bayesrisk

Informe de validación de modelos

Informe de Validación de Scorecard

USO INTERNO — CONFIDENCIAL

Modelo
Entidad
Cartera
Responsable del desarrollo
Versión del informe
Fecha de emisión: 2026-10-19

Trazabilidad de la corrida (lineage)

config_hash=d27684f3026fdba2e1a16e91678fc8f23ae908fac2b6e0cbf7d5530c9964c076

data_hash=ac14e7f3bbc860a0c8603f291691897d8bf67e3384e584bd7fd3b418f8083ab2

git_sha=—

root_seed=20240706

Desarrollo

Nombre y fecha

Validación independiente

Nombre y fecha

Aprobación

Nombre y fecha

Resumen de la corrida

Lo que cuenta la corrida al terminar, con la misma fuente que la puerta guiada y la pestaña Resultados: el estado de la ejecución y de la validación técnica, las cifras clave, qué revisar, las decisiones humanas con su motivo y dónde queda cada archivo. El veredicto lo firma el validador en el resumen ejecutivo.

Las rutas son las que el informe escribió al generarse: si la corrida se copia o se archiva después —desde la interfaz, o al apartar una corrida anterior—, los archivos se buscan en su carpeta de destino, y el registro de auditoría deja constancia de cada uno que se escribió.

Ejecución: corrieron sin fallos Datos y muestras, Análisis exploratorio, Tramos y WoE, Selección de variables, Modelo, Tarjeta de puntuación, Calibración, Desempeño, Estabilidad, Validación formal y Escala maestra; este informe es la última etapa de la corrida
Validación técnica: Falla — lo decide Hosmer-Lemeshow en Desarrollo (p-valor 0,013; PD media agregada 21,89 % frente a 21,89 % observada; la mayor diferencia, en el grupo 9 de 10: 42,15 % observado frente a 40,18 % predicho) y Hosmer-Lemeshow en Holdout (p-valor 0,016; PD media agregada 22,02 % frente a 22,70 % observada; la mayor diferencia, en el grupo 7 de 10: 23,53 % observado frente a 17,58 % predicho)

Cifras clave

AUC en Holdout	0,763
Gini en Holdout	0,525
KS en Holdout	0,408
Caída del AUC Desarrollo → Holdout	-0,008 (-1,0 %)
Peor PSI entre score y PD	0,0018 (Desarrollo vs. Holdout) → Estable

Qué revisar

⚠ Tramos y WoE: IV sospechosamente alto (posible fuga de información): PAY_0, PAY_2
⚠ Tramos y WoE: BILL_AMT1: la tasa de malos invierte la tendencia en Holdout
⚠ Tramos y WoE: BILL_AMT2: la tasa de malos invierte la tendencia en Holdout
⚠ Tramos y WoE: BILL_AMT3: la tasa de malos invierte la tendencia en Holdout
⚠ Tramos y WoE: BILL_AMT4: la tasa de malos invierte la tendencia en Holdout
⚠ Tramos y WoE: BILL_AMT5: la tasa de malos invierte la tendencia en Holdout
⚠ Tramos y WoE: PAY_0: la tasa de malos invierte la tendencia en Holdout
⚠ Tramos y WoE: PAY_3: la tasa de malos invierte la tendencia en Holdout
⚠ Tramos y WoE: PAY_4: la tasa de malos invierte la tendencia en Holdout
⚠ Tramos y WoE: PAY_5: la tasa de malos invierte la tendencia en Holdout
⚠ Tramos y WoE: PAY_6: la tasa de malos invierte la tendencia en Holdout
⚠ Tramos y WoE: PAY_AMT4: la tasa de malos invierte la tendencia en Holdout
⚠ Tramos y WoE: PAY_AMT5: la tasa de malos invierte la tendencia en Holdout
⚠ Tramos y WoE: PAY_AMT6: la tasa de malos invierte la tendencia en Holdout
⚠ Selección de variables: IV excesivo (posible fuga de información), explicar antes de aprobar: PAY_0, PAY_2
⚠ Modelo: Concentra más del 90 % del IV del modelo: PAY_0
⚠ Validación formal: Estado técnico «Falla»: revisar Hosmer-Lemeshow en Desarrollo (p-valor 0,013; PD media agregada 21,89 % frente a 21,89 % observada; la mayor diferencia, en el grupo 9 de 10: 42,15 % observado frente a 40,18 % predicho) y Hosmer-Lemeshow en Holdout (p-valor 0,016; PD media agregada 22,02 % frente a 22,70 % observada; la mayor diferencia, en el grupo 7 de 10: 23,53 % observado frente a 17,58 % predicho)

Decisiones humanas registradas

Ninguna decisión humana registrada; lo que se decidió vive en el config de la corrida.

Dónde quedó cada archivo

Informe HTML: artifacts/taiwan_fabrica/reports\scorecard_report.html
Informe Word: artifacts/taiwan_fabrica/reports\scorecard_report.docx (se escribe si el extra docx está instalado)
Registro de auditoría: audit_trail.jsonl, en la carpeta de evidencia de la corrida

Resumen ejecutivo

Veredicto de validación

Aprobado
Aprobado con observaciones
Rechazado

Campo estructural: lo marca y firma el validador independiente; no es un resultado calculado por el motor.

Métrica	Alcance	Valor	Estado
AUC	Desarrollo	0,7705	Sin alertas
Gini	Desarrollo	0,541005	Sin alertas
KS	Desarrollo	0,4123	Sin alertas
AUC	Holdout	0,7626	Sin alertas
Gini	Holdout	0,5251	Sin alertas
KS	Holdout	0,4085	Sin alertas
Peor PSI entre score y PD · PD calibrada	Desarrollo vs. Holdout	0,0018	Estable
Estado técnico de validación formal	taiwan_fabrica	2 de 2 pruebas fallidas	Falla

No se configuraron umbrales de discriminación, de modo que el motor no puede levantar alertas sobre AUC, Gini ni KS: «sin alertas» significa que no había umbral contra el cual comparar, no que la métrica sea satisfactoria.

Las bandas de PSI usan los umbrales configurados: estable por debajo de 0,10, revisión desde 0,10 y redesarrollo desde 0,25.

La validación formal ejecutó discriminación, calibración y estabilidad. Su estado es una síntesis técnica del motor y no sustituye el veredicto que debe firmar un validador humano.

Alcance: scorecard y validación formal de las familias configuradas. El capítulo «Validación formal» reproduce el resultado que publicó el motor; el veredicto permanece bajo responsabilidad humana. Todos los valores provienen de la corrida trazada en la portada: no se completan con supuestos.

Índice

Resumen de la corrida
Resumen ejecutivo
1 Introducción
2 Contexto del modelo y de la cartera
2.1 Población, particiones y exclusiones
2.2 Población y calidad de datos
3 Metodología
3.1 Tratamiento de datos y particiones
3.2 Binning WoE
3.3 Selección de variables
3.4 Estimación del modelo PD
3.5 Escalado del scorecard
3.6 Calibración de la PD
4 Resultados
4.1 Binning WoE y poder predictivo
4.2 Selección de variables
4.3 Modelo PD
4.4 Scorecard
4.5 Calibración
4.6 Desempeño y discriminación
4.7 Estabilidad
4.8 Escala maestra y puntos de corte
5 Validación formal
5.1 Discriminación
5.2 Calibración
5.3 Estabilidad
6 Conclusiones y recomendación
7 Limitaciones y supuestos
Anexo A Lineage y reproducibilidad
Anexo B Tablas detalladas
Anexo C Parámetros completos
C.1 Población, particiones y exclusiones
C.2 Población y calidad de datos
C.3 Binning WoE y poder predictivo
C.4 Selección de variables
C.5 Modelo PD
C.6 Scorecard
C.7 Calibración
C.8 Desempeño y discriminación
C.9 Estabilidad
C.10 Validación formal
C.11 Escala maestra y puntos de corte

1Introducción

POR COMPLETAR — Introducción

Declara el propósito del informe y qué decisión habilita: ¿es una validación inicial previa a la puesta en producción, una revisión periódica o un recalibrado?

Delimita el alcance (qué modelo y qué cartera cubre, qué queda fuera) e identifica la audiencia: Validación independiente, Comité de Riesgo, regulador.

2Contexto del modelo y de la cartera

La población procesada contiene 22.500 observaciones, 24 variables de entrada y una tasa de incumplimiento de 22,05 %. Los conteos por estado, partición y motivo de exclusión se reproducen literalmente en las tablas de esta sección.

La columna objetivo de esta corrida es «target_bayesrisk».

La tasa de incumplimiento observada en la población analizada es de 21,89 %, la tasa no se pudo agrupar en el tiempo porque el archivo no trae columna de fecha ni cohorte declarada y se describieron 23 variables frente al incumplimiento.

El perfilado de calidad de datos no levantó alertas de variables casi constantes, casi únicas ni de alta cardinalidad.

La estabilidad temporal de la tasa de incumplimiento no se evaluó: el archivo no trae un eje temporal que ordenar. El indicador configurado era variación relativa.

La variable objetivo del ejercicio es «target_bayesrisk», construida por las reglas de incumplimiento declaradas en el config (Anexo C). La definición de negocio que justifica esas reglas —p. ej. 90+ días de mora— debe explicitarla el analista: el motor aplica la regla, no la fundamenta.

La población se particionó de forma aleatoria: Desarrollo 80,00 %, Holdout 20,00 % y OOT 0,00 %.

POR COMPLETAR — Contexto del modelo

Describe la cartera sobre la que se construyó el modelo: producto, segmento, volumen y período.

Explicita la definición de incumplimiento utilizada (p. ej. 90+ días de mora) y por qué; declara las exclusiones aplicadas a la población y su justificación.

2.1Población, particiones y exclusiones

Las tablas siguientes reproducen lo que dejó la preparación de datos de esta corrida. Estados, tamaños y tasas por partición, y exclusiones se copian literalmente; el informe no recalcula ni completa valores ausentes.

Estados de la población

Estado	Observaciones
bueno	17.539
malo	4.961
indeterminado	0
excluido	0

Particiones de modelamiento

Partición	Observaciones	Tasa de incumplimiento
Desarrollo	18.082	0,2189
Holdout	4.418	0,22703
Fuera de tiempo (OOT)	0	0,0000
Fuera del ajuste	0	0,0000

Exclusiones aplicadas

Motivo	Exclusiones

2.2Población y calidad de datos

A continuación se reproducen el perfil por tramo de 23 variables descritas y la calidad de datos por columna.

La tasa de incumplimiento no se pudo agrupar en el tiempo: el archivo no trae columna de fecha ni cohorte declarada. El resto del análisis exploratorio —el perfil por tramo de cada variable y la calidad de datos por columna— se hizo igual.

Calidad de datos por columna

col	dtype	cardinality	near_constant	near_unique	high_cardinality
LIMIT_BAL	int64	78	no	no	no
SEX	object	2	no	no	no
EDUCATION	object	7	no	no	no
MARRIAGE	object	4	no	no	no
AGE	int64	55	no	no	no
PAY_0	int64	11	no	no	no
PAY_2	int64	11	no	no	no
PAY_3	int64	11	no	no	no
PAY_4	int64	11	no	no	no
PAY_5	int64	10	no	no	no
PAY_6	int64	10	no	no	no
BILL_AMT1	int64	14.543	no	no	no
BILL_AMT2	int64	14.342	no	no	no
BILL_AMT3	int64	14.092	no	no	no
BILL_AMT4	int64	13.845	no	no	no
BILL_AMT5	int64	13.508	no	no	no
BILL_AMT6	int64	13.228	no	no	no
PAY_AMT1	int64	5.789	no	no	no
PAY_AMT2	int64	5.706	no	no	no
PAY_AMT3	int64	5.438	no	no	no
PAY_AMT4	int64	5.042	no	no	no
PAY_AMT5	int64	4.956	no	no	no
PAY_AMT6	int64	4.997	no	no	no
target	int64	2	no	no	no

3Metodología

Este capítulo describe el procedimiento realmente ejecutado por el motor en esta corrida, con los parámetros efectivos que constan en el config trazado en el Anexo A. No es una descripción genérica de la técnica: cada cifra citada aquí es la que produjo este modelo.

3.1Tratamiento de datos y particiones

El dataset se validó contra un esquema declarado de 24 columnas, con tipos y nulabilidad explícitos; una desviación del esquema detiene la corrida en vez de propagarse.

En el tratamiento de faltantes se reporta para revisión toda variable con más de 99,00 % de valores faltantes, sin eliminarla automáticamente.

3.2Binning WoE

Se discretizó cada variable con OptBinning, resolviendo el problema óptimo por programación entera mixta (MIP), partiendo de un máximo de 20 pre-bins, con un máximo de 6 bins por variable y un tamaño mínimo de bin de 5,00 % de la población.

La tendencia monótona exigida al WoE es automática (ascendente o descendente): el riesgo debe comportarse de forma coherente entre tramos contiguos, sin quiebres que un analista no pueda defender.

De 23 variables candidatas, 23 quedaron binificadas.

Los valores especiales se agrupan en un bin propio y los faltantes reciben el tratamiento «empirical» (OptBinning 0.20.0).

3.3Selección de variables

Se descartaron las variables con IV inferior a 0,02; las de IV igual o superior a 0,50 se marcaron para revisión, porque un poder predictivo tan alto suele indicar fuga de información más que señal legítima.

Se eliminó la redundancia entre pares de variables con correlación (pearson) sobre 0,75 y se acotó la multicolinealidad exigiendo un VIF bajo 5,0.

El filtro dejó 14 de 23 variables candidatas; el motivo de exclusión de cada variable descartada consta en la tabla de selección.

3.4Estimación del modelo PD

La probabilidad de incumplimiento se modeló mediante regresión logística (logit) sobre las variables transformadas a WoE, con un nivel de significancia de 0,05.

La construcción del modelo usó stepwise bidireccional (criterio «wald_pvalue» y p-valor de entrada 0,05 y de salida 0,05).

Se exige que el coeficiente de cada variable en WoE tenga el signo esperado (negativo): cuando se invierte, se marca la variable sin excluirla. Un signo invertido significa que la variable contradice la relación de riesgo que su binning declara.

El modelo final retiene 10 de 14 variables de entrada.

3.5Escalado del scorecard

El modelo se escaló a puntaje con la convención PDO: un puntaje de 600 corresponde a odds de 50:1, y cada 20 puntos adicionales duplican esas odds.

De esa convención se derivan los parámetros efectivos de la escala: factor 28,8539 y offset 487,1229.

Un puntaje más alto indica menor riesgo y los puntajes se emiten con redondeo al entero más cercano.

3.6Calibración de la PD

La PD se calibró por desplazamiento del intercepto (intercept offset), ajustando sobre la partición de Desarrollo contra la tasa de incumplimiento observada en Desarrollo, que resultó ser 21,89 %. El ancla es a través del ciclo (TTC).

El desplazamiento aplicado al intercepto es 1,1e-13, lo que preserva el ordenamiento del score: la calibración corrige el nivel de la PD, no su ranking.

El ajuste se realizó sobre 18082 observaciones de Desarrollo.

4Resultados

Los resultados se presentan por etapa, con las tablas que sostienen el juicio de validación. El detalle exhaustivo —todas las tablas y todos los parámetros de cada paso— no se pierde: vive en los Anexos B y C, que son parte de este mismo informe.

4.1Binning WoE y poder predictivo

El poder predictivo univariado (IV) de las 23 variables binificadas lo encabezan «PAY_0» (0,881), «PAY_2» (0,533) y «PAY_3» (0,418). El IV de cada variable consta en la tabla siguiente y su binning completo, bin a bin, en el Anexo B.

La monotonía efectiva del WoE resultó en 8 variables con tendencia ascendente y 12 variables con tendencia descendente, y 3 sin tendencia monótona resuelta, lo que debe revisarse.

Resumen de binning — IV por variable

name	dtype	status	selected	n_bins	iv	js	gini	quality_score	iv_band	is_suspicious_iv	is_zero_iv	monotonic_trend	skipped_reason
LIMIT_BAL	numerical	OPTIMAL	sí	6	0,18096	0,0223	0,23501	0,6082	medium	no	no	descending	—
SEX	categorical	OPTIMAL	sí	2	0,0102	0,0013	0,0497	0,0272	—	no	no	—	—
EDUCATION	categorical	OPTIMAL	sí	4	0,0318	0,0038	0,0761	0,0916	weak	no	no	—	—
MARRIAGE	categorical	OPTIMAL	sí	3	0,0043	0,00053	0,0315	0,0111	—	no	no	—	—
AGE	numerical	OPTIMAL	sí	3	0,0095	0,0012	0,0335	0,0085	—	no	no	descending	—
PAY_0	numerical	OPTIMAL	sí	4	0,8815	0,0978	0,4039	0,10805	suspicious	sí	no	ascending	—
PAY_2	numerical	OPTIMAL	sí	2	0,5333	0,0622	0,2862	0,29805	suspicious	sí	no	ascending	—
PAY_3	numerical	OPTIMAL	sí	3	0,4184	0,0492	0,25197	0,3511	strong	no	no	ascending	—
PAY_4	numerical	OPTIMAL	sí	3	0,3548	0,0415	0,2256	0,6771	strong	no	no	ascending	—
PAY_5	numerical	OPTIMAL	sí	3	0,3303	0,0383	0,2032	0,6157	strong	no	no	ascending	—
PAY_6	numerical	OPTIMAL	sí	3	0,2834	0,0333	0,1863	0,4025	medium	no	no	ascending	—
BILL_AMT1	numerical	OPTIMAL	sí	5	0,0126	0,0016	0,0563	0,0218	—	no	no	descending	—
BILL_AMT2	numerical	OPTIMAL	sí	5	0,0082	0,00102	0,0422	0,0032	—	no	no	descending	—
BILL_AMT3	numerical	OPTIMAL	sí	5	0,0067	0,00084	0,0391	0,0011	—	no	no	descending	—
BILL_AMT4	numerical	OPTIMAL	sí	3	0,0016	0,000196	0,0199	0,00017	—	no	no	ascending	—
BILL_AMT5	numerical	OPTIMAL	sí	3	0,0079	0,00098	0,0432	0,0212	—	no	no	descending	—
BILL_AMT6	numerical	OPTIMAL	sí	3	0,0037	0,00046	0,0309	0,0026	—	no	no	ascending	—
PAY_AMT1	numerical	OPTIMAL	sí	6	0,1766	0,0217	0,2229	0,5095	medium	no	no	descending	—
PAY_AMT2	numerical	OPTIMAL	sí	6	0,1598	0,0196	0,2133	0,5175	medium	no	no	descending	—
PAY_AMT3	numerical	OPTIMAL	sí	6	0,1393	0,0172	0,20296	0,4576	medium	no	no	descending	—
PAY_AMT4	numerical	OPTIMAL	sí	6	0,1201	0,0149	0,1894	0,3112	medium	no	no	descending	—
PAY_AMT5	numerical	OPTIMAL	sí	6	0,0991	0,0122	0,16802	0,2973	weak	no	no	descending	—
PAY_AMT6	numerical	OPTIMAL	sí	6	0,0975	0,01205	0,1678	0,35402	weak	no	no	descending	—

4.2Selección de variables

Las 14 variables que pasaron el filtro son «EDUCATION», «LIMIT_BAL», «PAY_0», «PAY_2», «PAY_3», «PAY_4», «PAY_5», «PAY_6», «PAY_AMT1», «PAY_AMT2», «PAY_AMT3», «PAY_AMT4», «PAY_AMT5» y «PAY_AMT6».

Las exclusiones se reparten en 9 por IV insuficiente.

Tras la selección, la correlación absoluta máxima entre las variables finales es 0,6704 y el VIF máximo es 2,92.

Quedaron marcadas por IV excesivo (posible fuga de información): «PAY_0» y «PAY_2». Requieren una explicación de negocio antes de aprobar el modelo.

Criterios de selección por variable

feature	woe_column	included	reason	iv	iv_band	auc	gini	ks	max_abs_corr	max_corr_with	vif	max_csi	forced	detail
AGE	AGE__woe	no	low_iv	0,0095	—	0,5167	0,0335	0,03301	—	—	—	—	—	IV 0,0095 < mínimo 0,02
BILL_AMT1	BILL_AMT1__woe	no	low_iv	0,0126	—	0,5282	0,0563	0,0401	—	—	—	—	—	IV 0,0126 < mínimo 0,02
BILL_AMT2	BILL_AMT2__woe	no	low_iv	0,0082	—	0,5211	0,0422	0,0357	—	—	—	—	—	IV 0,0082 < mínimo 0,02
BILL_AMT3	BILL_AMT3__woe	no	low_iv	0,0067	—	0,5196	0,0391	0,0338	—	—	—	—	—	IV 0,0067 < mínimo 0,02
BILL_AMT4	BILL_AMT4__woe	no	low_iv	0,0016	—	0,5099	0,0199	0,0197	—	—	—	—	—	IV 0,0016 < mínimo 0,02
BILL_AMT5	BILL_AMT5__woe	no	low_iv	0,0079	—	0,5216	0,0432	0,0337	—	—	—	—	—	IV 0,0079 < mínimo 0,02
BILL_AMT6	BILL_AMT6__woe	no	low_iv	0,0037	—	0,5155	0,0309	0,0302	—	—	—	—	—	IV 0,0037 < mínimo 0,02
EDUCATION	EDUCATION__woe	sí	included	0,0318	weak	0,5381	0,0761	0,0652	—	—	1,0411	—	—	—
LIMIT_BAL	LIMIT_BAL__woe	sí	included	0,18096	medium	0,6175	0,23501	0,1845	—	—	1,2996	—	—	—
MARRIAGE	MARRIAGE__woe	no	low_iv	0,0043	—	0,5158	0,0315	0,0311	—	—	—	—	—	IV 0,0043 < mínimo 0,02
PAY_0	PAY_0__woe	sí	high_iv	0,8815	suspicious	0,70197	0,4039	0,3733	—	—	1,8372	—	—	IV 0,8815 ≥ máximo 0,50
PAY_2	PAY_2__woe	sí	high_iv	0,5333	suspicious	0,6431	0,2862	0,2862	—	—	2,7311	—	—	IV 0,5333 ≥ máximo 0,50
PAY_3	PAY_3__woe	sí	included	0,4184	strong	0,62599	0,25197	0,2479	—	—	2,7546	—	—	—
PAY_4	PAY_4__woe	sí	included	0,3548	strong	0,6128	0,2256	0,2119	—	—	2,8436	—	—	—
PAY_5	PAY_5__woe	sí	included	0,3303	strong	0,6016	0,2032	0,1913	—	—	2,92295	—	—	—
PAY_6	PAY_6__woe	sí	included	0,2834	medium	0,5932	0,1863	0,1802	—	—	2,0924	—	—	—
PAY_AMT1	PAY_AMT1__woe	sí	included	0,1766	medium	0,6115	0,2229	0,1522	—	—	1,9052	—	—	—
PAY_AMT2	PAY_AMT2__woe	sí	included	0,1598	medium	0,6067	0,2133	0,1514	—	—	1,9841	—	—	—
PAY_AMT3	PAY_AMT3__woe	sí	included	0,1393	medium	0,6015	0,20296	0,1453	—	—	1,9825	—	—	—
PAY_AMT4	PAY_AMT4__woe	sí	included	0,1201	medium	0,5947	0,1894	0,1454	—	—	1,9475	—	—	—
PAY_AMT5	PAY_AMT5__woe	sí	included	0,0991	weak	0,58401	0,16802	0,1235	—	—	1,8104	—	—	—
PAY_AMT6	PAY_AMT6__woe	sí	included	0,0975	weak	0,5839	0,1678	0,1269	—	—	1,7499	—	—	—
SEX	SEX__woe	no	low_iv	0,0102	—	0,5249	0,0497	0,0497	—	—	—	—	—	IV 0,0102 < mínimo 0,02

Factor de inflación de varianza (VIF)

feature	woe_column	vif	removed	reason
PAY_0	PAY_0__woe	1,8372	no	—
PAY_2	PAY_2__woe	2,7311	no	—
PAY_3	PAY_3__woe	2,7546	no	—
PAY_4	PAY_4__woe	2,8436	no	—
PAY_5	PAY_5__woe	2,92295	no	—
PAY_6	PAY_6__woe	2,0924	no	—
LIMIT_BAL	LIMIT_BAL__woe	1,2996	no	—
PAY_AMT1	PAY_AMT1__woe	1,9052	no	—
PAY_AMT2	PAY_AMT2__woe	1,9841	no	—
PAY_AMT3	PAY_AMT3__woe	1,9825	no	—
PAY_AMT4	PAY_AMT4__woe	1,9475	no	—
PAY_AMT5	PAY_AMT5__woe	1,8104	no	—
PAY_AMT6	PAY_AMT6__woe	1,7499	no	—
EDUCATION	EDUCATION__woe	1,0411	no	—

4.3Modelo PD

El modelo final incluye 10 variables: «EDUCATION», «LIMIT_BAL», «PAY_0», «PAY_3», «PAY_5», «PAY_6», «PAY_AMT1», «PAY_AMT2», «PAY_AMT3» y «PAY_AMT4».

En el ajuste in-sample, el optimizador convergió, el ajuste usó 18082 observaciones de Desarrollo, de las cuales 3958 son incumplimientos y el pseudo-R² de McFadden es 0,1776.

Marcadas por concentrar una contribución excesiva al IV del modelo: «PAY_0».

Coeficientes del modelo PD

feature	woe_column	beta	standard_error	wald_z	p_value	conf_low	conf_high	expected_sign	sign_ok	iv	iv_contribution
intercept	const	-1,26602	0,0205	-61,8553	< 0,001	-1,3061	-1,2259	—	—	—	—
EDUCATION	EDUCATION__woe	-0,3684	0,1161	-3,1727	0,002	-0,59604	-0,1408	negative	sí	0,0318	0,0117
LIMIT_BAL	LIMIT_BAL__woe	-0,31103	0,0515	-6,0418	< 0,001	-0,4119	-0,2101	negative	sí	0,18096	0,0665
PAY_0	PAY_0__woe	-0,7673	0,02298	-33,3841	< 0,001	-0,8123	-0,7222	negative	sí	0,8815	0,3238
PAY_3	PAY_3__woe	-0,2551	0,0386	-6,6029	< 0,001	-0,3308	-0,1794	negative	sí	0,4184	0,1537
PAY_5	PAY_5__woe	-0,1732	0,0514	-3,3663	< 0,001	-0,27398	-0,0723	negative	sí	0,3303	0,1213
PAY_6	PAY_6__woe	-0,2559	0,0521	-4,9147	< 0,001	-0,35801	-0,1539	negative	sí	0,2834	0,1041
PAY_AMT1	PAY_AMT1__woe	-0,2135	0,0577	-3,699995	< 0,001	-0,3266	-0,1004	negative	sí	0,1766	0,0649
PAY_AMT2	PAY_AMT2__woe	-0,1765	0,0644	-2,7392	0,006	-0,3028	-0,0502	negative	sí	0,1598	0,0587
PAY_AMT3	PAY_AMT3__woe	-0,3318	0,0669	-4,9638	< 0,001	-0,4629	-0,2008	negative	sí	0,1393	0,0512
PAY_AMT4	PAY_AMT4__woe	-0,28999	0,0758	-3,8262	< 0,001	-0,4385	-0,1414	negative	sí	0,1201	0,0441

4.4Scorecard

El scorecard asigna puntajes a los tramos de 10 variables.

Scorecard — puntajes por atributo

feature	woe_column	bin_label	bin_index	woe	beta	intercept_share	raw_points	points	rounding_delta	source
EDUCATION	EDUCATION__woe	1	0	0,1549	-0,3684	-0,1266	54,0118	54	-0,0118	binning_table
EDUCATION	EDUCATION__woe	2	1	-0,0774	-0,3684	-0,1266	51,5421	52	0,4579	binning_table
EDUCATION	EDUCATION__woe	3	2	-0,1649	-0,3684	-0,1266	50,6123	51	0,3877	binning_table
EDUCATION	EDUCATION__woe	5, 4, 6, 0	3	1,2402	-0,3684	-0,1266	65,5492	66	0,4508	binning_table
EDUCATION	EDUCATION__woe	Valores especiales	4	0,0000	-0,3684	-0,1266	52,3653	52	-0,3653	binning_table
EDUCATION	EDUCATION__woe	Faltantes	5	0,0000	-0,3684	-0,1266	52,3653	52	-0,3653	binning_table
EDUCATION	EDUCATION__woe	Categorías no vistas → como «3»	—	-0,1649	-0,3684	-0,1266	50,6123	51	0,3877	binning_table
LIMIT_BAL	LIMIT_BAL__woe	< 45.000	0	-0,67997	-0,31103	-0,1266	46,262999	46	-0,262999	binning_table
LIMIT_BAL	LIMIT_BAL__woe	≥ 45.000 y < 75.000	1	-0,2658	-0,31103	-0,1266	49,9798	50	0,0202	binning_table
LIMIT_BAL	LIMIT_BAL__woe	≥ 75.000 y < 135.000	2	-0,1141	-0,31103	-0,1266	51,3417	51	-0,3417	binning_table
LIMIT_BAL	LIMIT_BAL__woe	≥ 135.000 y < 265.000	3	0,2969	-0,31103	-0,1266	55,0298	55	-0,0298	binning_table
LIMIT_BAL	LIMIT_BAL__woe	≥ 265.000 y < 365.000	4	0,4874	-0,31103	-0,1266	56,7394	57	0,2606	binning_table
LIMIT_BAL	LIMIT_BAL__woe	≥ 365.000	5	0,7481	-0,31103	-0,1266	59,0791	59	-0,0791	binning_table
LIMIT_BAL	LIMIT_BAL__woe	Valores especiales	6	0,0000	-0,31103	-0,1266	52,3653	52	-0,3653	binning_table
LIMIT_BAL	LIMIT_BAL__woe	Faltantes	7	0,0000	-0,31103	-0,1266	52,3653	52	-0,3653	binning_table
PAY_0	PAY_0__woe	< -1,5	0	0,6316	-0,7673	-0,1266	66,34799	66	-0,34799	binning_table
PAY_0	PAY_0__woe	≥ -1,5 y < 0,5	1	0,5678	-0,7673	-0,1266	64,9346	65	0,0654	binning_table
PAY_0	PAY_0__woe	≥ 0,5 y < 1,5	2	-0,5609	-0,7673	-0,1266	39,9485	40	0,0515	binning_table
PAY_0	PAY_0__woe	≥ 1,5	3	-2,1199	-0,7673	-0,1266	5,4325	5	-0,4325	binning_table
PAY_0	PAY_0__woe	Valores especiales	4	0,0000	-0,7673	-0,1266	52,3653	52	-0,3653	binning_table
PAY_0	PAY_0__woe	Faltantes	5	0,0000	-0,7673	-0,1266	52,3653	52	-0,3653	binning_table
PAY_3	PAY_3__woe	< -0,5	0	0,3329	-0,2551	-0,1266	54,8161	55	0,1839	binning_table
PAY_3	PAY_3__woe	≥ -0,5 y < 1,5	1	0,3049	-0,2551	-0,1266	54,6098	55	0,3902	binning_table
PAY_3	PAY_3__woe	≥ 1,5	2	-1,3712	-0,2551	-0,1266	42,2718	42	-0,2718	binning_table
PAY_3	PAY_3__woe	Valores especiales	3	0,0000	-0,2551	-0,1266	52,3653	52	-0,3653	binning_table
PAY_3	PAY_3__woe	Faltantes	4	0,0000	-0,2551	-0,1266	52,3653	52	-0,3653	binning_table
PAY_5	PAY_5__woe	< -0,5	0	0,2721	-0,1732	-0,1266	53,7246	54	0,2754	binning_table
PAY_5	PAY_5__woe	≥ -0,5 y < 1	1	0,1999	-0,1732	-0,1266	53,3641	53	-0,3641	binning_table
PAY_5	PAY_5__woe	≥ 1	2	-1,49502	-0,1732	-0,1266	44,8955	45	0,1045	binning_table
PAY_5	PAY_5__woe	Valores especiales	3	0,0000	-0,1732	-0,1266	52,3653	52	-0,3653	binning_table
PAY_5	PAY_5__woe	Faltantes	4	0,0000	-0,1732	-0,1266	52,3653	52	-0,3653	binning_table
PAY_6	PAY_6__woe	< -0,5	0	0,2357	-0,2559	-0,1266	54,1058	54	-0,1058	binning_table
PAY_6	PAY_6__woe	≥ -0,5 y < 1	1	0,1992	-0,2559	-0,1266	53,83599	54	0,16401	binning_table
PAY_6	PAY_6__woe	≥ 1	2	-1,35801	-0,2559	-0,1266	42,3366	42	-0,3366	binning_table
PAY_6	PAY_6__woe	Valores especiales	3	0,0000	-0,2559	-0,1266	52,3653	52	-0,3653	binning_table
PAY_6	PAY_6__woe	Faltantes	4	0,0000	-0,2559	-0,1266	52,3653	52	-0,3653	binning_table
PAY_AMT1	PAY_AMT1__woe	< 5,5	0	-0,6694	-0,2135	-0,1266	48,2413	48	-0,2413	binning_table
PAY_AMT1	PAY_AMT1__woe	≥ 5,5 y < 2.000,5	1	-0,0425	-0,2135	-0,1266	52,1037	52	-0,1037	binning_table
PAY_AMT1	PAY_AMT1__woe	≥ 2.000,5 y < 4.801,5	2	0,0848	-0,2135	-0,1266	52,8876	53	0,1124	binning_table
PAY_AMT1	PAY_AMT1__woe	≥ 4.801,5 y < 7.101	3	0,4246	-0,2135	-0,1266	54,98102	55	0,01898	binning_table
PAY_AMT1	PAY_AMT1__woe	≥ 7.101 y < 17.484	4	0,55495	-0,2135	-0,1266	55,7842	56	0,2158	binning_table
PAY_AMT1	PAY_AMT1__woe	≥ 17.484	5	0,9102	-0,2135	-0,1266	57,97302	58	0,02698	binning_table
PAY_AMT1	PAY_AMT1__woe	Valores especiales	6	0,0000	-0,2135	-0,1266	52,3653	52	-0,3653	binning_table
PAY_AMT1	PAY_AMT1__woe	Faltantes	7	0,0000	-0,2135	-0,1266	52,3653	52	-0,3653	binning_table
PAY_AMT2	PAY_AMT2__woe	< 131,5	0	-0,5759	-0,1765	-0,1266	49,4324	49	-0,4324	binning_table
PAY_AMT2	PAY_AMT2__woe	≥ 131,5 y < 1.636,5	1	-0,1113	-0,1765	-0,1266	51,7985	52	0,2015	binning_table
PAY_AMT2	PAY_AMT2__woe	≥ 1.636,5 y < 4.965	2	0,0841	-0,1765	-0,1266	52,7934	53	0,2066	binning_table
PAY_AMT2	PAY_AMT2__woe	≥ 4.965 y < 9.906,5	3	0,3877	-0,1765	-0,1266	54,3395	54	-0,3395	binning_table
PAY_AMT2	PAY_AMT2__woe	≥ 9.906,5 y < 15.541,5	4	0,5899	-0,1765	-0,1266	55,3691	55	-0,3691	binning_table
PAY_AMT2	PAY_AMT2__woe	≥ 15.541,5	5	0,9969	-0,1765	-0,1266	57,4418	57	-0,4418	binning_table
PAY_AMT2	PAY_AMT2__woe	Valores especiales	6	0,0000	-0,1765	-0,1266	52,3653	52	-0,3653	binning_table
PAY_AMT2	PAY_AMT2__woe	Faltantes	7	0,0000	-0,1765	-0,1266	52,3653	52	-0,3653	binning_table
PAY_AMT3	PAY_AMT3__woe	< 17,5	0	-0,5202	-0,3318	-0,1266	47,3843	47	-0,3843	binning_table
PAY_AMT3	PAY_AMT3__woe	≥ 17,5 y < 1.600,5	1	-0,0874	-0,3318	-0,1266	51,5283	52	0,4717	binning_table
PAY_AMT3	PAY_AMT3__woe	≥ 1.600,5 y < 3.900,5	2	0,0857	-0,3318	-0,1266	53,1858	53	-0,1858	binning_table
PAY_AMT3	PAY_AMT3__woe	≥ 3.900,5 y < 7.501,5	3	0,36003	-0,3318	-0,1266	55,8125	56	0,1875	binning_table
PAY_AMT3	PAY_AMT3__woe	≥ 7.501,5 y < 12.514,5	4	0,5631	-0,3318	-0,1266	57,75702	58	0,24298	binning_table
PAY_AMT3	PAY_AMT3__woe	≥ 12.514,5	5	0,8124	-0,3318	-0,1266	60,1443	60	-0,1443	binning_table
PAY_AMT3	PAY_AMT3__woe	Valores especiales	6	0,0000	-0,3318	-0,1266	52,3653	52	-0,3653	binning_table
PAY_AMT3	PAY_AMT3__woe	Faltantes	7	0,0000	-0,3318	-0,1266	52,3653	52	-0,3653	binning_table
PAY_AMT4	PAY_AMT4__woe	< 0,5	0	-0,4566	-0,28999	-0,1266	48,5446	49	0,4554	binning_table
PAY_AMT4	PAY_AMT4__woe	≥ 0,5 y < 2.004,5	1	-0,0926	-0,28999	-0,1266	51,5907	52	0,4093	binning_table
PAY_AMT4	PAY_AMT4__woe	≥ 2.004,5 y < 2.608,5	2	0,1775	-0,28999	-0,1266	53,8506	54	0,1494	binning_table
PAY_AMT4	PAY_AMT4__woe	≥ 2.608,5 y < 4.601,5	3	0,3084	-0,28999	-0,1266	54,9456	55	0,0544	binning_table
PAY_AMT4	PAY_AMT4__woe	≥ 4.601,5 y < 15.008,5	4	0,4498	-0,28999	-0,1266	56,1291	56	-0,1291	binning_table
PAY_AMT4	PAY_AMT4__woe	≥ 15.008,5	5	0,7373	-0,28999	-0,1266	58,5349	59	0,4651	binning_table
PAY_AMT4	PAY_AMT4__woe	Valores especiales	6	0,0000	-0,28999	-0,1266	52,3653	52	-0,3653	binning_table
PAY_AMT4	PAY_AMT4__woe	Faltantes	7	0,0000	-0,28999	-0,1266	52,3653	52	-0,3653	binning_table

4.5Calibración

En Desarrollo, la PD media calibrada es 21,89 %, frente a 21,89 % antes de calibrar, contra una tasa de incumplimiento observada de 21,89 %.

La calibración preservó el ordenamiento de las observaciones: la capacidad discriminante del modelo no se altera.

4.6Desempeño y discriminación

Las métricas de discriminación se calcularon sobre la PD calibrada.

En Desarrollo el modelo alcanza AUC 0,7705, Gini 0,541005 y KS 0,4123.

En Holdout el modelo alcanza AUC 0,7626, Gini 0,5251 y KS 0,4085.

La tabla de desempeño usa hasta 10 tramos de riesgo configurados, ordenados por la PD calibrada. Los tramos efectivos por partición fueron Desarrollo: 10 y Holdout: 10, y permiten verificar la evolución de la tasa de incumplimiento observada entre tramos.

Métricas de discriminación por partición

partition	n_total	n_bad	n_good	auc	gini	ks	ks_cutoff_risk_score	ks_cutoff_score	tpr_at_ks	fpr_at_ks	source	status
desarrollo	18.082	3.958	14.124	0,7705	0,541005	0,4123	0,2109	—	0,59601	0,1837	pd_calibrated	ok
holdout	4.418	1.003	3.415	0,7626	0,5251	0,4085	0,1677	—	0,6969	0,2884	pd_calibrated	ok

Desempeño por tramo de riesgo

partition	decile	n_total	n_bad	n_good	bad_rate	good_rate	mean_pd	min_pd	max_pd	mean_score	min_score	max_score	cum_total	cum_bad	cum_good	cum_bad_capture_rate	cum_good_capture_rate	lift	ks_at_decile
desarrollo	1	1.809	1.252	557	0,6921	0,3079	0,70603	0,5461	0,8946	459,9541	424,0000	483,0000	1.809	1.252	557	0,3163	0,0394	3,1618	0,2769
desarrollo	2	1.809	764	1.045	0,4223	0,5777	0,4016	0,3061	0,5459	498,97402	481,0000	512,0000	3.618	2.016	1.602	0,5093	0,1134	1,9294	0,3959
desarrollo	3	1.808	436	1.372	0,2412	0,7588	0,2392	0,1929	0,3058	521,1311	510,0000	530,0000	5.426	2.452	2.974	0,6195	0,2106	1,1017	0,4089
desarrollo	4	1.808	333	1.475	0,1842	0,8158	0,1754	0,1619	0,1929	532,5249	527,0000	536,0000	7.234	2.785	4.449	0,7036	0,314996	0,8414	0,3886
desarrollo	5	1.808	302	1.506	0,16704	0,83296	0,1528	0,1444	0,1619	537,6128	533,0000	540,0000	9.042	3.087	5.955	0,7799	0,4216	0,7631	0,3583
desarrollo	6	1.808	257	1.551	0,1421	0,8579	0,1362	0,1279	0,1443	541,35398	538,0000	545,0000	10.850	3.344	7.506	0,8449	0,5314	0,6494	0,3134
desarrollo	7	1.808	205	1.603	0,1134	0,8866	0,1204	0,1122	0,1279	545,3324	542,0000	549,0000	12.658	3.549	9.109	0,8967	0,6449	0,517996	0,2517
desarrollo	8	1.808	167	1.641	0,0924	0,9076	0,1038	0,09496	0,1122	550,0608	546,0000	554,0000	14.466	3.716	10.750	0,9389	0,7611	0,42198	0,1777
desarrollo	9	1.808	126	1.682	0,0697	0,9303	0,0867	0,0788	0,09496	555,6322	552,0000	560,0000	16.274	3.842	12.432	0,9707	0,8802	0,3184	0,0905
desarrollo	10	1.808	116	1.692	0,0642	0,9358	0,0663	0,03204	0,0788	564,0962	558,0000	586,0000	18.082	3.958	14.124	1,0000	1,0000	0,2931	0,0000
holdout	1	442	304	138	0,6878	0,3122	0,7156	0,5639	0,8946	458,5339	424,0000	480,0000	442	304	138	0,3031	0,0404	3,0295	0,2627
holdout	2	442	192	250	0,4344	0,5656	0,4077	0,3081	0,5639	498,2262	479,0000	512,0000	884	496	388	0,4945	0,1136	1,9134	0,3809
holdout	3	442	110	332	0,2489	0,7511	0,2368	0,1922	0,3075	521,5023	511,0000	530,0000	1.326	606	720	0,6042	0,2108	1,0962	0,3934
holdout	4	442	102	340	0,2308	0,7692	0,1757	0,1629	0,1921	532,3756	528,0000	536,0000	1.768	708	1.060	0,7059	0,3104	1,0165	0,3955
holdout	5	442	67	375	0,1516	0,8484	0,1529	0,1441	0,1629	537,5498	534,0000	540,0000	2.210	775	1.435	0,7727	0,4202	0,6677	0,3525
holdout	6	442	62	380	0,1403	0,8597	0,1361	0,1279	0,1441	541,3846	538,0000	544,0000	2.652	837	1.815	0,8345	0,5315	0,6179	0,30302
holdout	7	442	58	384	0,1312	0,8688	0,1199	0,1112	0,1279	545,5158	543,0000	548,0000	3.094	895	2.199	0,8923	0,6439	0,578004	0,2484
holdout	8	442	34	408	0,0769	0,9231	0,1032	0,0946	0,1111	550,2376	547,0000	554,0000	3.536	929	2.607	0,9262	0,7634	0,3388	0,1628
holdout	9	441	41	400	0,09297	0,90703	0,0867	0,0788	0,0946	555,6712	552,0000	560,0000	3.977	970	3.007	0,9671	0,8805	0,4095	0,0866
holdout	10	441	33	408	0,0748	0,9252	0,0668	0,0367	0,0788	563,9093	558,0000	582,0000	4.418	1.003	3.415	1,0000	1,0000	0,3296	0,0000

4.7Estabilidad

El peor PSI entre score y PD en Desarrollo vs. Holdout es 0,0018 (banda «Estable»); corresponde a la PD calibrada. La distribución de la magnitud ganadora se mantiene, de modo que no hay desplazamiento poblacional.

A nivel de variable, el mayor CSI corresponde a «PAY_AMT1__points» con 0,0015.

Se configuraron hasta 10 tramos por magnitud para el PSI, definidos en Desarrollo.

Métricas de estabilidad (PSI/CSI)

metric	comparison	feature	value	stable_threshold	review_threshold	band	action
score_psi	dev_vs_holdout	score	0,00092	0,10	0,25	stable	—
pd_psi	dev_vs_holdout	pd_calibrated	0,0018	0,10	0,25	stable	—
csi	dev_vs_holdout	EDUCATION__points	0,00089	0,10	0,25	stable	—
csi	dev_vs_holdout	LIMIT_BAL__points	0,00053	0,10	0,25	stable	—
csi	dev_vs_holdout	PAY_0__points	0,000895	0,10	0,25	stable	—
csi	dev_vs_holdout	PAY_3__points	0,0012	0,10	0,25	stable	—
csi	dev_vs_holdout	PAY_5__points	0,00026	0,10	0,25	stable	—
csi	dev_vs_holdout	PAY_6__points	0,000047	0,10	0,25	stable	—
csi	dev_vs_holdout	PAY_AMT1__points	0,0015	0,10	0,25	stable	—
csi	dev_vs_holdout	PAY_AMT2__points	0,0015	0,10	0,25	stable	—
csi	dev_vs_holdout	PAY_AMT3__points	0,0011	0,10	0,25	stable	—
csi	dev_vs_holdout	PAY_AMT4__points	0,00085	0,10	0,25	stable	—

PSI por tramo de score

metric	comparison	feature	bin_label	expected_count	actual_count	expected_pct	actual_pct	component_value	total_value	band
score_psi	dev_vs_holdout	score	bin_00	1.798	464	0,0994	0,10502	0,00031	0,00092	stable
score_psi	dev_vs_holdout	score	bin_01	1.771	416	0,0979	0,0942	0,00015	0,00092	stable
score_psi	dev_vs_holdout	score	bin_02	1.792	418	0,0991	0,0946	0,00021	0,00092	stable
score_psi	dev_vs_holdout	score	bin_03	1.607	410	0,0889	0,0928	0,00017	0,00092	stable
score_psi	dev_vs_holdout	score	bin_04	1.567	376	0,0867	0,0851	0,000028	0,00092	stable
score_psi	dev_vs_holdout	score	bin_05	1.917	465	0,10602	0,1053	0,0000056	0,00092	stable
score_psi	dev_vs_holdout	score	bin_06	2.180	527	0,1206	0,1193	0,000014	0,00092	stable
score_psi	dev_vs_holdout	score	bin_07	1.755	428	0,0971	0,0969	3,4e-07	0,00092	stable
score_psi	dev_vs_holdout	score	bin_08	1.873	466	0,1036	0,1055	0,000034	0,00092	stable
score_psi	dev_vs_holdout	score	bin_09	1.822	448	0,1008	0,1014	0,0000041	0,00092	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_00	1.809	442	0,10004	0,10005	1,1e-11	0,0018	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_01	1.808	454	0,09999	0,1028	0,000076	0,0018	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_02	1.808	448	0,09999	0,1014	0,0000199	0,0018	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_03	1.791	419	0,09905	0,0948	0,00018	0,0018	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_04	1.825	452	0,1009	0,1023	0,000019	0,0018	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_05	1.808	412	0,09999	0,0933	0,00047	0,0018	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_06	1.807	473	0,0999	0,1071	0,00049	0,0018	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_07	1.809	430	0,10004	0,0973	0,000075	0,0018	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_08	1.808	422	0,09999	0,0955	0,000204	0,0018	stable
pd_psi	dev_vs_holdout	pd_calibrated	bin_09	1.809	466	0,10004	0,1055	0,00029	0,0018	stable
csi	dev_vs_holdout	EDUCATION__points	51 puntos	2.943	758	0,1628	0,1716	0,00046	0,00089	stable
csi	dev_vs_holdout	EDUCATION__points	52 puntos	8.489	2.032	0,4695	0,4599	0,000196	0,00089	stable
csi	dev_vs_holdout	EDUCATION__points	54 puntos	6.370	1.551	0,3523	0,3511	0,0000042	0,00089	stable
csi	dev_vs_holdout	EDUCATION__points	66 puntos	280	77	0,0155	0,0174	0,00023	0,00089	stable
csi	dev_vs_holdout	LIMIT_BAL__points	46 puntos	2.631	636	0,1455	0,14396	0,000017	0,00053	stable
csi	dev_vs_holdout	LIMIT_BAL__points	50 puntos	2.966	711	0,16403	0,1609	0,000059	0,00053	stable
csi	dev_vs_holdout	LIMIT_BAL__points	51 puntos	3.209	817	0,1775	0,1849	0,00031	0,00053	stable
csi	dev_vs_holdout	LIMIT_BAL__points	55 puntos	5.570	1.371	0,30804	0,3103	0,000017	0,00053	stable
csi	dev_vs_holdout	LIMIT_BAL__points	57 puntos	2.220	528	0,1228	0,1195	0,000088	0,00053	stable
csi	dev_vs_holdout	LIMIT_BAL__points	59 puntos	1.486	355	0,0822	0,0804	0,000041	0,00053	stable
csi	dev_vs_holdout	PAY_0__points	5 puntos	1.884	474	0,1042	0,1073	0,000091	0,000895	stable
csi	dev_vs_holdout	PAY_0__points	40 puntos	2.241	511	0,1239	0,1157	0,00057	0,000895	stable
csi	dev_vs_holdout	PAY_0__points	65 puntos	12.330	3.015	0,6819	0,6824	4,3e-07	0,000895	stable
csi	dev_vs_holdout	PAY_0__points	66 puntos	1.627	418	0,08998	0,0946	0,00023	0,000895	stable
csi	dev_vs_holdout	PAY_3__points	42 puntos	2.506	665	0,1386	0,1505	0,00099	0,0012	stable
csi	dev_vs_holdout	PAY_3__points	55 puntos	15.576	3.753	0,8614	0,8495	0,00017	0,0012	stable
csi	dev_vs_holdout	PAY_5__points	45 puntos	1.757	447	0,0972	0,1012	0,00016	0,00026	stable
csi	dev_vs_holdout	PAY_5__points	53 puntos	10.277	2.518	0,5684	0,5699	0,0000044	0,00026	stable
csi	dev_vs_holdout	PAY_5__points	54 puntos	6.048	1.453	0,3345	0,3289	0,000094	0,00026	stable
csi	dev_vs_holdout	PAY_6__points	42 puntos	1.841	459	0,1018	0,1039	0,000042	0,000047	stable
csi	dev_vs_holdout	PAY_6__points	54 puntos	16.241	3.959	0,8982	0,8961	0,0000048	0,000047	stable
csi	dev_vs_holdout	PAY_AMT1__points	48 puntos	3.189	781	0,1764	0,1768	9,7e-07	0,0015	stable
csi	dev_vs_holdout	PAY_AMT1__points	52 puntos	5.534	1.293	0,3061	0,2927	0,000598	0,0015	stable
csi	dev_vs_holdout	PAY_AMT1__points	53 puntos	4.303	1.093	0,23797	0,2474	0,00037	0,0015	stable
csi	dev_vs_holdout	PAY_AMT1__points	55 puntos	1.982	495	0,1096	0,11204	0,000053	0,0015	stable
csi	dev_vs_holdout	PAY_AMT1__points	56 puntos	2.107	537	0,1165	0,1215	0,00021	0,0015	stable
csi	dev_vs_holdout	PAY_AMT1__points	58 puntos	967	219	0,0535	0,0496	0,000297	0,0015	stable
csi	dev_vs_holdout	PAY_AMT2__points	49 puntos	3.430	860	0,1897	0,1947	0,00013	0,0015	stable
csi	dev_vs_holdout	PAY_AMT2__points	52 puntos	3.962	951	0,2191	0,2153	0,000069	0,0015	stable
csi	dev_vs_holdout	PAY_AMT2__points	53 puntos	5.887	1.416	0,3256	0,3205	0,000079	0,0015	stable
csi	dev_vs_holdout	PAY_AMT2__points	54 puntos	2.616	687	0,1447	0,1555	0,00078	0,0015	stable
csi	dev_vs_holdout	PAY_AMT2__points	55 puntos	1.056	242	0,0584	0,0548	0,00023	0,0015	stable
csi	dev_vs_holdout	PAY_AMT2__points	57 puntos	1.131	262	0,0625	0,0593	0,00017	0,0015	stable
csi	dev_vs_holdout	PAY_AMT3__points	47 puntos	3.686	902	0,2038	0,2042	4,9e-07	0,0011	stable
csi	dev_vs_holdout	PAY_AMT3__points	52 puntos	4.906	1.194	0,2713	0,2703	0,0000042	0,0011	stable
csi	dev_vs_holdout	PAY_AMT3__points	53 puntos	4.311	1.015	0,2384	0,2297	0,00032	0,0011	stable
csi	dev_vs_holdout	PAY_AMT3__points	56 puntos	2.660	678	0,1471	0,1535	0,00027	0,0011	stable
csi	dev_vs_holdout	PAY_AMT3__points	58 puntos	1.199	281	0,0663	0,0636	0,00011	0,0011	stable
csi	dev_vs_holdout	PAY_AMT3__points	60 puntos	1.320	348	0,073001	0,0788	0,00044	0,0011	stable
csi	dev_vs_holdout	PAY_AMT4__points	49 puntos	3.857	957	0,2133	0,2166	0,000051	0,00085	stable
csi	dev_vs_holdout	PAY_AMT4__points	52 puntos	6.826	1.674	0,3775	0,3789	0,0000052	0,00085	stable
csi	dev_vs_holdout	PAY_AMT4__points	54 puntos	905	217	0,05005	0,0491	0,000018	0,00085	stable
csi	dev_vs_holdout	PAY_AMT4__points	55 puntos	2.343	591	0,1296	0,1338	0,00013	0,00085	stable
csi	dev_vs_holdout	PAY_AMT4__points	56 puntos	3.212	741	0,1776	0,1677	0,00057	0,00085	stable
csi	dev_vs_holdout	PAY_AMT4__points	59 puntos	939	238	0,0519	0,0539	0,000071	0,00085	stable

4.8Escala maestra y puntos de corte

7 tramos de puntaje, del 1, de menor riesgo, al 7; cada uno con al menos el 5 % de Desarrollo y una tasa de malos distinta de la de sus vecinos.

PD del tramo de 6,92 % a 72,57 %; su promedio en Desarrollo es el ancla de la calibración, 21,89 %.

En Holdout la tasa de malos sigue el orden de los tramos con contraste y ninguno subestima su PD.

El tramo mayor tiene el 28,0 % de Desarrollo (tramo 1); índice de concentración 0,179.

Sin corte declarado: la tabla de cortes muestra, para cada límite, cuánto se aprueba, la tasa de malos, los malos evitados y los buenos rechazados.

La PD de cada tramo es su tasa de malos de Desarrollo llevada al ancla de la calibración; en una cartera de aprobados, la tabla mide a quien pasó la política anterior.

Escala maestra — los tramos y su PD

Tramo	Puntaje	PD del tramo	Participación Desarrollo	Tasa de malos Desarrollo	Semáforo Desarrollo	Participación Holdout	Tasa de malos Holdout	Semáforo Holdout
1	desde 549 puntos	6,92 %	27,98 %	6,92 %	Verde	28,43 %	8,20 %	Ámbar
2	de 541 a 548 puntos	12,68 %	19,02 %	12,67 %	Verde	18,61 %	11,92 %	Verde
3	de 534 a 540 puntos	15,99 %	16,19 %	15,98 %	Verde	15,82 %	16,02 %	Verde
4	de 516 a 533 puntos	21,85 %	14,86 %	21,85 %	Verde	15,41 %	24,96 %	Ámbar
5	de 501 a 515 puntos	32,92 %	7,04 %	32,91 %	Verde	6,72 %	33,33 %	Verde
6	de 474 a 500 puntos	53,05 %	7,32 %	53,06 %	Verde	6,99 %	54,69 %	Verde
7	hasta 473 puntos	72,57 %	7,59 %	72,59 %	Verde	8,01 %	71,19 %	Verde

Tabla de puntos de corte

Muestra	Aprobar	Puntaje	Aprobados	Tasa de malos de los aprobados	PD esperada de los aprobados	Malos evitados	Buenos rechazados
Desarrollo	Tramos 1 a 1	desde 549 puntos	27,98 %	6,92 %	6,92 %	91,16 %	66,66 %
Desarrollo	Tramos 1 a 2	desde 541 puntos	47,00 %	9,25 %	9,25 %	80,14 %	45,39 %
Desarrollo	Tramos 1 a 3	desde 534 puntos	63,20 %	10,97 %	10,98 %	68,32 %	27,97 %
Desarrollo	Tramos 1 a 4	desde 516 puntos	78,06 %	13,04 %	13,05 %	53,49 %	13,11 %
Desarrollo	Tramos 1 a 5	desde 501 puntos	85,10 %	14,69 %	14,69 %	42,90 %	7,06 %
Desarrollo	Tramos 1 a 6	desde 474 puntos	92,41 %	17,73 %	17,73 %	25,16 %	2,66 %
Desarrollo	Todos los tramos	todos los puntajes	100,00 %	21,89 %	21,89 %	0,00 %	0,00 %
Holdout	Tramos 1 a 1	desde 549 puntos	28,43 %	8,20 %	6,92 %	89,73 %	66,24 %
Holdout	Tramos 1 a 2	desde 541 puntos	47,03 %	9,67 %	9,20 %	79,96 %	45,04 %
Holdout	Tramos 1 a 3	desde 534 puntos	62,86 %	11,27 %	10,91 %	68,79 %	27,85 %
Holdout	Tramos 1 a 4	desde 516 puntos	78,27 %	13,97 %	13,06 %	51,84 %	12,88 %
Holdout	Tramos 1 a 5	desde 501 puntos	84,99 %	15,50 %	14,63 %	41,97 %	7,09 %
Holdout	Tramos 1 a 6	desde 474 puntos	91,99 %	18,48 %	17,55 %	25,12 %	2,99 %
Holdout	Todos los tramos	todos los puntajes	100,00 %	22,70 %	21,96 %	0,00 %	0,00 %

5Validación formal

La validación formal del modelo «taiwan_fabrica» ejecutó discriminación, calibración y estabilidad. El estado técnico agregado publicado por el motor es «Falla».

El resultado registra 2 pruebas, de las cuales 2 quedaron fallidas. Las tablas se copian del resultado que publicó la validación, sin recalcular métricas ni decisiones.

Este estado es evidencia técnica; el veredicto de aprobación, aprobación con observaciones o rechazo corresponde al validador humano y queda POR COMPLETAR.

POR COMPLETAR — Veredicto de validación formal

Emite el juicio humano sobre la aptitud del modelo para su uso previsto: aprobar, aprobar con observaciones o rechazar.

Documenta observaciones, responsables, plazos y la fecha de la próxima revisión; el estado técnico del motor no sustituye este veredicto.

5.1Discriminación

La tabla reproduce por partición AUC, Gini y KS, junto con población, fuente y estado de evaluabilidad. Filas evaluadas: 2.

Validación formal — discriminación

partition	n_total	n_bad	auc	gini	ks	source	status
Desarrollo	18.082	3.958	0,7705	0,541005	0,4123	Reusada de la etapa de desempeño	Evaluada
Holdout	4.418	1.003	0,7626	0,5251	0,4085	Reusada de la etapa de desempeño	Evaluada

5.2Calibración

La tabla reúne Hosmer-Lemeshow, Brier y, cuando fue configurado, el contraste por grado con sus decisiones y semáforo publicados. Filas evaluadas: 4.

Validación formal — calibración

partition	test	grade	n	observed_defaults	expected_pd	observed_dr	statistic	degrees_of_freedom	p_value	alpha	decision	traffic_light
Desarrollo	Hosmer-Lemeshow	—	18.082	3.958	0,2189	0,2189	19,3398	8	0,013	0,05	Falla	—
Desarrollo	Puntaje de Brier	—	18.082	3.958	0,2189	0,2189	0,1351	—	—	—	Sin veredicto	—
Holdout	Hosmer-Lemeshow	—	4.418	1.003	0,2202	0,22703	18,8772	8	0,016	0,05	Falla	—
Holdout	Puntaje de Brier	—	4.418	1.003	0,2202	0,22703	0,1405	—	—	—	Sin veredicto	—

Hosmer-Lemeshow por grupo · Desarrollo

Grupo	Observaciones	Malos observados	Malos esperados	Tasa observada (%)	PD media (%)	Diferencia (pp)	O/E	Contribución al estadístico
1	1.809	116	120,0000	6,4100	6,6300	-0,2200	0,9670	0,1400
2	1.809	126	156,9000	6,9700	8,6700	-1,7100	0,8030	6,6700
3	1.808	167	187,7000	9,2400	10,3800	-1,1500	0,8900	2,5500
4	1.808	205	217,8000	11,3400	12,0500	-0,7100	0,9410	0,8500
5	1.808	257	246,3000	14,2100	13,6200	0,5900	1,0430	0,5400
6	1.808	302	276,4000	16,7000	15,2900	1,4200	1,0930	2,8000
7	1.808	335	317,2000	18,5300	17,5400	0,9800	1,0560	1,2100
8	1.808	436	432,6000	24,1200	23,9300	0,1900	1,0080	0,0300
9	1.808	762	726,4000	42,1500	40,1800	1,9700	1,0490	2,9200
10	1.808	1.252	1.276,70	69,2500	70,6100	-1,3600	0,9810	1,6200

Hosmer-Lemeshow por grupo · Holdout

Grupo	Observaciones	Malos observados	Malos esperados	Tasa observada (%)	PD media (%)	Diferencia (pp)	O/E	Contribución al estadístico
1	442	33	29,5000	7,4700	6,6800	0,7800	1,1170	0,4300
2	442	41	38,4000	9,2800	8,6800	0,6000	1,0690	0,2000
3	442	34	45,7000	7,6900	10,3300	-2,6400	0,7450	3,3200
4	442	59	53,0000	13,3500	11,9900	1,3500	1,1130	0,7700
5	442	61	60,2000	13,8000	13,6200	0,1800	1,0130	0,0100
6	442	67	67,6000	15,1600	15,3000	-0,1500	0,9910	0,0100
7	442	104	77,7000	23,5300	17,5800	5,9500	1,3380	10,7900
8	442	109	104,9000	24,6600	23,7300	0,9300	1,0390	0,2100
9	441	192	180,1000	43,5400	40,8500	2,6900	1,0660	1,3200
10	441	303	315,8000	68,7100	71,6000	-2,8900	0,9600	1,8100

5.3Estabilidad

La tabla reproduce PSI/estabilidad, umbrales, banda, acción y la decisión que dejó la validación. Filas evaluadas: 12.

Validación formal — estabilidad

metric	comparison	feature	value	stable_threshold	review_threshold	band	action	source	status	decision
PSI del score	Desarrollo vs. Holdout	score	0,00092	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa
PSI de la PD	Desarrollo vs. Holdout	pd_calibrated	0,0018	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa
CSI	Desarrollo vs. Holdout	EDUCATION__points	0,00089	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa
CSI	Desarrollo vs. Holdout	LIMIT_BAL__points	0,00053	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa
CSI	Desarrollo vs. Holdout	PAY_0__points	0,000895	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa
CSI	Desarrollo vs. Holdout	PAY_3__points	0,0012	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa
CSI	Desarrollo vs. Holdout	PAY_5__points	0,00026	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa
CSI	Desarrollo vs. Holdout	PAY_6__points	0,000047	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa
CSI	Desarrollo vs. Holdout	PAY_AMT1__points	0,0015	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa
CSI	Desarrollo vs. Holdout	PAY_AMT2__points	0,0015	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa
CSI	Desarrollo vs. Holdout	PAY_AMT3__points	0,0011	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa
CSI	Desarrollo vs. Holdout	PAY_AMT4__points	0,00085	0,10	0,25	Estable	—	Reusado de la etapa de estabilidad	Evaluada	Pasa

6Conclusiones y recomendación

Discriminación (AUC): Desarrollo 0,7705 y Holdout 0,7626.

Estabilidad (peor PSI entre score y PD): Desarrollo vs. Holdout 0,0018 («Estable»; PD calibrada).

Calibración: la PD media calibrada en Desarrollo (21,89 %) se contrasta con la tasa observada (21,89 %).

Estos hallazgos son los que el motor puede sostener con los números de la corrida. La recomendación —aprobar, aprobar con observaciones o rechazar— es un juicio humano y no se deriva automáticamente de ellos.

POR COMPLETAR — Conclusiones y recomendación

Emite el juicio: ¿el modelo es apto para el uso previsto? La recomendación (aprobar, aprobar con observaciones o rechazar) la firma un humano, no el motor.

Enumera las observaciones y condiciones de uso, con responsable y plazo para cada una, y fija la fecha de la próxima revisión.

7Limitaciones y supuestos

El alcance de este informe es la construcción y evaluación del scorecard. La validación formal ejecutó discriminación, calibración y estabilidad y se documenta en su capítulo propio; el estado técnico no sustituye el veredicto humano.

Todas las métricas provienen de la corrida trazada en el Anexo A. El informe no completa ningún hueco con supuestos: lo que no se pudo calcular aparece declarado como no disponible.

Caveats de reproducibilidad declarados por la corrida: git no disponible: la corrida no tiene SHA de origen.

No hay secciones obligatorias ausentes en esta corrida.

Anexo A —Lineage y reproducibilidad

La corrida queda identificada por los hashes de configuración y de datos, el commit del código y la semilla raíz. Con estos cuatro valores el resultado es reproducible.

Parámetros y payload

config_hash

d27684f3026fdba2e1a16e91678fc8f23ae908fac2b6e0cbf7d5530c9964c076

created_at

2026-10-19T14:00:56.995329Z

data_hash

ac14e7f3bbc860a0c8603f291691897d8bf67e3384e584bd7fd3b418f8083ab2

determinism_caveats

[
  "git no disponible: la corrida no tiene SHA de origen"
]

git_dirty

git_sha

—

library_versions

{
  "PyYAML": "6.0.3",
  "bayesrisk": "2.16.0",
  "numpy": "1.26.4",
  "pandas": "2.3.3",
  "pydantic": "2.14.1"
}

root_seed

20240706

runtime_environment_hash

1e4e5c376bed6a330dfaf0da715d45ad30bd08f7bd80a20a342243ff2e4dfb7b

schema_version

1.0.0

uv_lock_hash

6c446c2ad040ff52262caae544ea32b26af36b8abebe5f10d5d276f49e967322

Anexo B —Tablas detalladas

Este anexo reproduce íntegras todas las tablas que produjo la corrida, incluidas las que el cuerpo del informe ya mostró. Es la trazabilidad completa: nada de lo que el motor calculó queda fuera del documento.

Parámetros y payload

figure_keys

[
  "eda.figures"
]

table_keys

[
  "eda.univariate.profiles.AGE",
  "eda.univariate.profiles.BILL_AMT1",
  "eda.univariate.profiles.BILL_AMT2",
  "eda.univariate.profiles.BILL_AMT3",
  "eda.univariate.profiles.BILL_AMT4",
  "eda.univariate.profiles.BILL_AMT5",
  "eda.univariate.profiles.BILL_AMT6",
  "eda.univariate.profiles.EDUCATION",
  "eda.univariate.profiles.LIMIT_BAL",
  "eda.univariate.profiles.MARRIAGE",
  "eda.univariate.profiles.PAY_0",
  "eda.univariate.profiles.PAY_2",
  "eda.univariate.profiles.PAY_3",
  "eda.univariate.profiles.PAY_4",
  "eda.univariate.profiles.PAY_5",
  "eda.univariate.profiles.PAY_6",
  "eda.univariate.profiles.PAY_AMT1",
  "eda.univariate.profiles.PAY_AMT2",
  "eda.univariate.profiles.PAY_AMT3",
  "eda.univariate.profiles.PAY_AMT4",
  "eda.univariate.profiles.PAY_AMT5",
  "eda.univariate.profiles.PAY_AMT6",
  "eda.univariate.profiles.SEX",
  "eda.quality.by_column",
  "binning.tables.AGE",
  "binning.tables.BILL_AMT1",
  "binning.tables.BILL_AMT2",
  "binning.tables.BILL_AMT3",
  "binning.tables.BILL_AMT4",
  "binning.tables.BILL_AMT5",
  "binning.tables.BILL_AMT6",
  "binning.tables.EDUCATION",
  "binning.tables.LIMIT_BAL",
  "binning.tables.MARRIAGE",
  "binning.tables.PAY_0",
  "binning.tables.PAY_2",
  "binning.tables.PAY_3",
  "binning.tables.PAY_4",
  "binning.tables.PAY_5",
  "binning.tables.PAY_6",
  "binning.tables.PAY_AMT1",
  "binning.tables.PAY_AMT2",
  "binning.tables.PAY_AMT3",
  "binning.tables.PAY_AMT4",
  "binning.tables.PAY_AMT5",
  "binning.tables.PAY_AMT6",
  "binning.tables.SEX",
  "binning.summary",
  "binning.woe_frame",
  "selection.selected_woe_frame",
  "selection.selection_table",
  "selection.correlation_matrix",
  "selection.vif_table",
  "selection.stability_table",
  "model.coefficients",
  "model.raw_pd_frame",
  "scorecard.scorecard",
  "scorecard.score",
  "calibration.calibrated_pd_frame",
  "performance.performance_table",
  "performance.discriminant_metrics",
  "stability.psi_table",
  "stability.stability_metrics",
  "master_scale.grades",
  "master_scale.grade_table",
  "master_scale.cutoff_table",
  "data.states",
  "data.partitions",
  "data.exclusions",
  "validation.discrimination",
  "validation.calibration",
  "validation.stability",
  "validation.hosmer_lemeshow_groups.desarrollo",
  "validation.hosmer_lemeshow_groups.holdout",
  "master_scale.scale",
  "master_scale.cutoffs"
]

Tabla de binning WoE — variable «AGE»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
< 23,5	954	0,0528	692	262	0,2746	-0,3009	0,0052	0,00064
≥ 23,5 y < 25,5	1.394	0,0771	1.040	354	0,2539	-0,1945	0,0031	0,00038
≥ 25,5	15.734	0,8701	12.392	3.342	0,2124	0,0383	0,0013	0,00016
Valores especiales	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
Faltantes	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
	18.082	1,0000	14.124	3.958	0,2189		0,0095	0,0012

Tabla de binning WoE — variable «BILL_AMT1»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
< 391	2.146	0,1187	1.608	538	0,2507	-0,1772	0,0039	0,00049
≥ 391 y < 34.535	8.467	0,4683	6.558	1.909	0,2255	-0,03803	0,00068	0,000086
≥ 34.535 y < 64.415	2.849	0,1576	2.227	622	0,2183	0,0033	0,0000017	2,2e-07
≥ 64.415 y < 187.391,5	3.540	0,1958	2.835	705	0,1992	0,1195	0,0027	0,00034
≥ 187.391,5	1.080	0,0597	896	184	0,1704	0,3109	0,0053	0,00066
Valores especiales	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
Faltantes	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
	18.082	1,0000	14.124	3.958	0,2189		0,0126	0,0016

Tabla de binning WoE — variable «BILL_AMT2»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
< 1.050,5	3.267	0,1807	2.514	753	0,2305	-0,0666	0,00082	0,000102
≥ 1.050,5 y < 34.979	7.593	0,4199	5.865	1.728	0,2276	-0,0501	0,0011	0,00013
≥ 34.979 y < 62.427,5	2.665	0,1474	2.075	590	0,2214	-0,0145	0,000031	0,0000039
≥ 62.427,5 y < 185.422	3.519	0,1946	2.815	704	0,2001	0,1138	0,0024	0,000305
≥ 185.422	1.038	0,0574	855	183	0,1763	0,2695	0,0039	0,00048
Valores especiales	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
Faltantes	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
	18.082	1,0000	14.124	3.958	0,2189		0,0082	0,00102

Tabla de binning WoE — variable «BILL_AMT3»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
< 391	2.740	0,1515	2.103	637	0,2325	-0,0778	0,00094	0,00012
≥ 391 y < 42.582,5	9.131	0,50498	7.071	2.060	0,2256	-0,0388	0,00077	0,000096
≥ 42.582,5 y < 52.145,5	1.238	0,0685	961	277	0,2237	-0,0282	0,000055	0,0000068
≥ 52.145,5 y < 187.783,5	4.063	0,2247	3.244	819	0,2016	0,1043	0,0024	0,000297
≥ 187.783,5	910	0,0503	745	165	0,1813	0,2353	0,0026	0,00032
Valores especiales	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
Faltantes	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
	18.082	1,0000	14.124	3.958	0,2189		0,0067	0,00084

Tabla de binning WoE — variable «BILL_AMT4»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
< 7.087	6.082	0,3364	4.796	1.286	0,2114	0,0441	0,00065	0,000081
≥ 7.087 y < 16.645	2.269	0,1255	1.788	481	0,21199	0,0408	0,00021	0,000026
≥ 16.645	9.731	0,5382	7.540	2.191	0,2252	-0,0363	0,00072	0,000089
Valores especiales	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
Faltantes	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
	18.082	1,0000	14.124	3.958	0,2189		0,0016	0,000196

Tabla de binning WoE — variable «BILL_AMT5»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
< 390,5	3.130	0,1731	2.384	746	0,2383	-0,1103	0,0022	0,00027
≥ 390,5 y < 57.953	10.935	0,6047	8.498	2.437	0,2229	-0,0231	0,00032	0,000041
≥ 57.953	4.017	0,2222	3.242	775	0,1929	0,1589	0,0054	0,00067
Valores especiales	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
Faltantes	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
	18.082	1,0000	14.124	3.958	0,2189		0,0079	0,00098

Tabla de binning WoE — variable «BILL_AMT6»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
< 8.855,5	7.250	0,40095	5.747	1.503	0,2073	0,0691	0,0019	0,00023
≥ 8.855,5 y < 14.740,5	1.317	0,0728	1.038	279	0,2118	0,0417	0,00013	0,000016
≥ 14.740,5	9.515	0,5262	7.339	2.176	0,2287	-0,0564	0,0017	0,00021
Valores especiales	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
Faltantes	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
	18.082	1,0000	14.124	3.958	0,2189		0,0037	0,00046

Tabla de binning WoE — variable «EDUCATION»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
1	6.370	0,3523	5.137	1.233	0,1936	0,1549	0,0081	0,00101
2	8.489	0,4695	6.516	1.973	0,2324	-0,0774	0,0029	0,00036
3	2.943	0,1628	2.212	731	0,2484	-0,1649	0,0046	0,00058
5, 4, 6, 0	280	0,0155	259	21	0,0750	1,2402	0,0162	0,0019
Valores especiales	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
Faltantes	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
	18.082	1,0000	14.124	3.958	0,2189		0,0318	0,0038

Tabla de binning WoE — variable «LIMIT_BAL»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
< 45.000	2.631	0,1455	1.694	937	0,3561	-0,67997	0,0794	0,0097
≥ 45.000 y < 75.000	2.966	0,16403	2.172	794	0,2677	-0,2658	0,0124	0,0016
≥ 75.000 y < 135.000	3.209	0,1775	2.442	767	0,23902	-0,1141	0,0024	0,000298
≥ 135.000 y < 265.000	5.570	0,30804	4.610	960	0,1724	0,2969	0,0249	0,0031
≥ 265.000 y < 365.000	2.220	0,1228	1.894	326	0,1468	0,4874	0,0252	0,0031
≥ 365.000	1.486	0,0822	1.312	174	0,1171	0,7481	0,0366	0,0045
Valores especiales	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
Faltantes	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
	18.082	1,0000	14.124	3.958	0,2189		0,18096	0,0223

Tabla de binning WoE — variable «MARRIAGE»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
2	9.622	0,5321	7.609	2.013	0,2092	0,0576	0,0017	0,00022
1, 3	8.424	0,4659	6.484	1.940	0,2303	-0,0655	0,00203	0,00025
0	36	0,00199	31	5	0,1389	0,5524	0,00051	0,000064
Valores especiales	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
Faltantes	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
	18.082	1,0000	14.124	3.958	0,2189		0,0043	0,00053

Tabla de binning WoE — variable «PAY_0»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
< -1,5	1.627	0,08998	1.416	211	0,1297	0,6316	0,0297	0,0036
≥ -1,5 y < 0,5	12.330	0,6819	10.640	1.690	0,1371	0,5678	0,1853	0,0229
≥ 0,5 y < 1,5	2.241	0,1239	1.503	738	0,3293	-0,5609	0,0449	0,0055
≥ 1,5	1.884	0,1042	565	1.319	0,7001	-2,1199	0,6217	0,0658
Valores especiales	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
Faltantes	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
	18.082	1,0000	14.124	3.958	0,2189		0,8815	0,0978

Tabla de binning WoE — variable «PAY_2»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
< 1,5	15.441	0,8539	12.946	2.495	0,1616	0,3744	0,1072	0,0133
≥ 1,5	2.641	0,1461	1.178	1.463	0,55396	-1,4888	0,4261	0,0488
Valores especiales	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
Faltantes	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
	18.082	1,0000	14.124	3.958	0,2189		0,5333	0,0622

Tabla de binning WoE — variable «PAY_3»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
< -0,5	6.044	0,3343	5.033	1.011	0,1673	0,3329	0,0336	0,0042
≥ -0,5 y < 1,5	9.532	0,5272	7.900	1.632	0,1712	0,3049	0,0448	0,0056
≥ 1,5	2.506	0,1386	1.191	1.315	0,5247	-1,3712	0,3399	0,0394
Valores especiales	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
Faltantes	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
	18.082	1,0000	14.124	3.958	0,2189		0,4184	0,0492

Tabla de binning WoE — variable «PAY_4»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
< -0,5	6.045	0,3343	5.017	1.028	0,1701	0,3131	0,0299	0,0037
≥ -0,5 y < 0,5	9.959	0,5508	8.139	1.820	0,1827	0,2257	0,0263	0,0033
≥ 0,5	2.078	0,1149	968	1.110	0,5342	-1,40902	0,2986	0,0345
Valores especiales	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
Faltantes	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
	18.082	1,0000	14.124	3.958	0,2189		0,3548	0,0415

Tabla de binning WoE — variable «PAY_5»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
< -0,5	6.048	0,3345	4.984	1.064	0,1759	0,2721	0,0229	0,0028
≥ -0,5 y < 1	10.277	0,5684	8.359	1.918	0,1866	0,1999	0,0214	0,0027
≥ 1	1.757	0,0972	781	976	0,5555	-1,49502	0,28599	0,0328
Valores especiales	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
Faltantes	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
	18.082	1,0000	14.124	3.958	0,2189		0,3303	0,0383

Tabla de binning WoE — variable «PAY_6»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
< -0,5	6.372	0,3524	5.217	1.155	0,1813	0,2357	0,0183	0,0023
≥ -0,5 y < 1	9.869	0,5458	8.026	1.843	0,1867	0,1992	0,0204	0,0026
≥ 1	1.841	0,1018	881	960	0,5215	-1,35801	0,2447	0,0284
Valores especiales	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
Faltantes	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
	18.082	1,0000	14.124	3.958	0,2189		0,2834	0,0333

Tabla de binning WoE — variable «PAY_AMT1»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
< 5,5	3.189	0,1764	2.061	1.128	0,3537	-0,6694	0,0931	0,0114
≥ 5,5 y < 2.000,5	5.534	0,3061	4.282	1.252	0,2262	-0,0425	0,00056	0,0000698
≥ 2.000,5 y < 4.801,5	4.303	0,23797	3.422	881	0,2047	0,0848	0,0017	0,00021
≥ 4.801,5 y < 7.101	1.982	0,1096	1.675	307	0,1549	0,4246	0,0174	0,0022
≥ 7.101 y < 17.484	2.107	0,1165	1.815	292	0,1386	0,55495	0,0304	0,0037
≥ 17.484	967	0,0535	869	98	0,1013	0,9102	0,0335	0,00404
Valores especiales	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
Faltantes	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
	18.082	1,0000	14.124	3.958	0,2189		0,1766	0,0217

Tabla de binning WoE — variable «PAY_AMT2»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
< 131,5	3.430	0,1897	2.289	1.141	0,3327	-0,5759	0,0727	0,00896
≥ 131,5 y < 1.636,5	3.962	0,2191	3.017	945	0,2385	-0,1113	0,0028	0,00035
≥ 1.636,5 y < 4.965	5.887	0,3256	4.681	1.206	0,2049	0,0841	0,0022	0,00028
≥ 4.965 y < 9.906,5	2.616	0,1447	2.198	418	0,1598	0,3877	0,0194	0,0024
≥ 9.906,5 y < 15.541,5	1.056	0,0584	914	142	0,1345	0,5899	0,01701	0,0021
≥ 15.541,5	1.131	0,0625	1.025	106	0,0937	0,9969	0,0456	0,0055
Valores especiales	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
Faltantes	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
	18.082	1,0000	14.124	3.958	0,2189		0,1598	0,0196

Tabla de binning WoE — variable «PAY_AMT3»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
< 17,5	3.686	0,2038	2.505	1.181	0,3204	-0,5202	0,06296	0,0078
≥ 17,5 y < 1.600,5	4.906	0,2713	3.757	1.149	0,2342	-0,0874	0,0021	0,00027
≥ 1.600,5 y < 3.900,5	4.311	0,2384	3.429	882	0,2046	0,0857	0,0017	0,00021
≥ 3.900,5 y < 7.501,5	2.660	0,1471	2.225	435	0,1635	0,36003	0,0171	0,0021
≥ 7.501,5 y < 12.514,5	1.199	0,0663	1.034	165	0,1376	0,5631	0,0177	0,0022
≥ 12.514,5	1.320	0,073001	1.174	146	0,1106	0,8124	0,0376	0,0046
Valores especiales	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
Faltantes	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
	18.082	1,0000	14.124	3.958	0,2189		0,1393	0,0172

Tabla de binning WoE — variable «PAY_AMT4»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
< 0,5	3.857	0,2133	2.674	1.183	0,3067	-0,4566	0,05003	0,0062
≥ 0,5 y < 2.004,5	6.826	0,3775	5.221	1.605	0,2351	-0,0926	0,0033	0,00041
≥ 2.004,5 y < 2.608,5	905	0,05005	733	172	0,1901	0,1775	0,0015	0,00019
≥ 2.608,5 y < 4.601,5	2.343	0,1296	1.943	400	0,1707	0,3084	0,0113	0,0014
≥ 4.601,5 y < 15.008,5	3.212	0,1776	2.725	487	0,1516	0,4498	0,0314	0,0039
≥ 15.008,5	939	0,0519	828	111	0,1182	0,7373	0,0225	0,0028
Valores especiales	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
Faltantes	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
	18.082	1,0000	14.124	3.958	0,2189		0,1201	0,0149

Tabla de binning WoE — variable «PAY_AMT5»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
< 0,5	4.081	0,2257	2.909	1.172	0,2872	-0,36304	0,0327	0,0041
≥ 0,5 y < 702,5	2.074	0,1147	1.567	507	0,2445	-0,1437	0,0025	0,00031
≥ 702,5 y < 2.000,5	4.532	0,2506	3.490	1.042	0,2299	-0,0634	0,00102	0,00013
≥ 2.000,5 y < 4.394	3.118	0,1724	2.494	624	0,2001	0,1134	0,0021	0,00027
≥ 4.394 y < 12.009,5	3.083	0,1705	2.600	483	0,1567	0,4111	0,0255	0,0032
≥ 12.009,5	1.194	0,06603	1.064	130	0,1089	0,8301	0,0353	0,0043
Valores especiales	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
Faltantes	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
	18.082	1,0000	14.124	3.958	0,2189		0,0991	0,0122

Tabla de binning WoE — variable «PAY_AMT6»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
< 2,5	4.323	0,2391	3.110	1.213	0,2806	-0,3306	0,0285	0,0035
≥ 2,5 y < 930,5	2.630	0,1454	1.966	664	0,2525	-0,1867	0,0053	0,00067
≥ 930,5 y < 2.463,5	4.361	0,2412	3.369	992	0,2275	-0,0495	0,000599	0,000075
≥ 2.463,5 y < 4.058	2.308	0,1276	1.867	441	0,1911	0,1709	0,0035	0,00044
≥ 4.058 y < 9.561	2.664	0,1473	2.231	433	0,1625	0,3673	0,0178	0,0022
≥ 9.561	1.796	0,0993	1.581	215	0,1197	0,72304	0,0417	0,0051
Valores especiales	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
Faltantes	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
	18.082	1,0000	14.124	3.958	0,2189		0,0975	0,01205

Tabla de binning WoE — variable «SEX»

Bin	Count	Count (%)	Non-event	Event	Event rate	WoE	IV	JS
2	10.922	0,60403	8.685	2.237	0,2048	0,0843	0,0042	0,00052
1	7.160	0,39597	5.439	1.721	0,2404	-0,1214	0,00604	0,00075
Valores especiales	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
Faltantes	0	0,0000	0	0	0,0000	0,0000	0,0000	0,0000
	18.082	1,0000	14.124	3.958	0,2189		0,0102	0,0013

Perfil frente al incumplimiento — variable «AGE»

tramo	n	coverage	default_rate
> 21 y ≤ 25	2.348	0,1299	0,2624
> 25 y ≤ 27	1.618	0,0895	0,1965
> 27 y ≤ 29	1.809	0,10004	0,1973
> 29 y ≤ 31	1.590	0,0879	0,18302
> 31 y ≤ 34	2.085	0,1153	0,1971
> 34 y ≤ 37	1.993	0,1102	0,2168
> 37 y ≤ 40	1.679	0,0929	0,21799
> 40 y ≤ 43	1.359	0,0752	0,2097
> 43 y ≤ 49	1.971	0,109003	0,2359
> 49 y ≤ 75	1.630	0,0901	0,2558

Perfil frente al incumplimiento — variable «BILL_AMT1»

tramo	n	coverage	default_rate
> -154.973 y ≤ 298,10000000000014	1.809	0,10004	0,2427
> 298,10000000000014 y ≤ 1.994	1.809	0,10004	0,2211
> 1.994 y ≤ 6.241,300000000001	1.807	0,0999	0,2092
> 6.241,300000000001 y ≤ 13.809,600000000006	1.808	0,09999	0,2196
> 13.809,600000000006 y ≤ 22.521,5	1.808	0,09999	0,2478
> 22.521,5 y ≤ 37.299,60000000002	1.808	0,09999	0,2384
> 37.299,60000000002 y ≤ 51.560,499999999985	1.808	0,09999	0,2218
> 51.560,499999999985 y ≤ 82.554,20000000003	1.808	0,09999	0,1997
> 82.554,20000000003 y ≤ 142.031,5	1.808	0,09999	0,2019
> 142.031,5 y ≤ 964.511	1.809	0,10004	0,1868

Perfil frente al incumplimiento — variable «BILL_AMT2»

tramo	n	coverage	default_rate
> -69.777 y ≤ 0	1.901	0,1051	0,2315
> 0 y ≤ 1.493,6000000000008	1.716	0,0949	0,2156
> 1.493,6000000000008 y ≤ 5.617,5000000000055	1.808	0,09999	0,2052
> 5.617,5000000000055 y ≤ 12.853,2	1.808	0,09999	0,2146
> 12.853,2 y ≤ 21.352	1.808	0,09999	0,2494
> 21.352 y ≤ 34.870,40000000014	1.808	0,09999	0,2528
> 34.870,40000000014 y ≤ 50.462,7	1.808	0,09999	0,224004
> 50.462,7 y ≤ 79.463,80000000002	1.808	0,09999	0,19801
> 79.463,80000000002 y ≤ 136.846,59999999998	1.808	0,09999	0,2019
> 136.846,59999999998 y ≤ 983.931	1.809	0,10004	0,1951

Perfil frente al incumplimiento — variable «BILL_AMT3»

tramo	n	coverage	default_rate
> -46.127 y ≤ 0	2.117	0,1171	0,23004
> 0 y ≤ 1.228,4000000000005	1.500	0,08296	0,2187
> 1.228,4000000000005 y ≤ 5.235	1.809	0,10004	0,1973
> 5.235 y ≤ 12.272,400000000001	1.807	0,0999	0,2108
> 12.272,400000000001 y ≤ 20.086	1.808	0,09999	0,2378
> 20.086 y ≤ 31.412,40000000004	1.808	0,09999	0,25498
> 31.412,40000000004 y ≤ 48.999	1.809	0,10004	0,2355
> 48.999 y ≤ 75.695,20000000001	1.807	0,0999	0,2042
> 75.695,20000000001 y ≤ 132.053,7	1.808	0,09999	0,2035
> 132.053,7 y ≤ 693.131	1.809	0,10004	0,19403

Perfil frente al incumplimiento — variable «BILL_AMT4»

tramo	n	coverage	default_rate
> -81.334 y ≤ 0	2.336	0,1292	0,2303
> 0 y ≤ 1.000	1.285	0,0711	0,2218
> 1.000 y ≤ 4.726,600000000002	1.804	0,0998	0,1951
> 4.726,600000000002 y ≤ 11.080,800000000001	1.808	0,09999	0,2041
> 11.080,800000000001 y ≤ 19.085	1.808	0,09999	0,23396
> 19.085 y ≤ 28.613,200000000004	1.808	0,09999	0,2539
> 28.613,200000000004 y ≤ 45.201,59999999998	1.808	0,09999	0,2329
> 45.201,59999999998 y ≤ 69.977,40000000007	1.808	0,09999	0,21405
> 69.977,40000000007 y ≤ 123.704,7	1.808	0,09999	0,1986
> 123.704,7 y ≤ 891.586	1.809	0,10004	0,2018

Perfil frente al incumplimiento — variable «BILL_AMT5»

tramo	n	coverage	default_rate
> -81.334 y ≤ 0	2.540	0,1405	0,23504
> 0 y ≤ 766,2000000000003	1.077	0,0596	0,2266
> 766,2000000000003 y ≤ 3.676,9000000000033	1.808	0,09999	0,1941
> 3.676,9000000000033 y ≤ 9.781,600000000002	1.808	0,09999	0,1875
> 9.781,600000000002 y ≤ 18.107,5	1.808	0,09999	0,2323
> 18.107,5 y ≤ 26.747,200000000048	1.808	0,09999	0,2522
> 26.747,200000000048 y ≤ 40.781,1	1.808	0,09999	0,2406
> 40.781,1 y ≤ 65.455	1.809	0,10004	0,2278
> 65.455 y ≤ 117.316,49999999996	1.807	0,0999	0,1865
> 117.316,49999999996 y ≤ 927.171	1.809	0,10004	0,2029

Perfil frente al incumplimiento — variable «BILL_AMT6»

tramo	n	coverage	default_rate
> -150.953 y ≤ 0	2.851	0,1577	0,2241
> 0 y ≤ 493,40000000000055	766	0,0424	0,2298
> 493,40000000000055 y ≤ 2.677,300000000001	1.808	0,09999	0,2063
> 2.677,300000000001 y ≤ 8.789,400000000001	1.808	0,09999	0,1731
> 8.789,400000000001 y ≤ 17.014,5	1.808	0,09999	0,2196
> 17.014,5 y ≤ 25.367,600000000013	1.808	0,09999	0,2594
> 25.367,600000000013 y ≤ 38.784,89999999997	1.808	0,09999	0,2533
> 38.784,89999999997 y ≤ 62.772,00000000002	1.808	0,09999	0,2295
> 62.772,00000000002 y ≤ 112.923,09999999998	1.808	0,09999	0,1969
> 112.923,09999999998 y ≤ 961.664	1.809	0,10004	0,2001

Perfil frente al incumplimiento — variable «EDUCATION»

tramo	n	coverage	default_rate
1	6.370	0,3523	0,1936
2	8.489	0,4695	0,2324
3	2.943	0,1628	0,2484
_otros_	280	0,0155	0,0750

Perfil frente al incumplimiento — variable «LIMIT_BAL»

tramo	n	coverage	default_rate
> 10.000 y ≤ 30.000	2.482	0,1373	0,3533
> 30.000 y ≤ 50.000	2.220	0,1228	0,2748
> 50.000 y ≤ 70.000	895	0,0495	0,2726
> 70.000 y ≤ 100.000	2.025	0,11199	0,24198
> 100.000 y ≤ 140.000	1.651	0,0913	0,22895
> 140.000 y ≤ 180.000	1.983	0,1097	0,1689
> 180.000 y ≤ 210.000	1.503	0,0831	0,1677
> 210.000 y ≤ 270.000	1.750	0,0968	0,1640
> 270.000 y ≤ 360.000	2.087	0,1154	0,14902
> 360.000 y ≤ 1.000.000	1.486	0,0822	0,1171

Perfil frente al incumplimiento — variable «MARRIAGE»

tramo	n	coverage	default_rate
1	8.229	0,4551	0,2293
2	9.622	0,5321	0,2092
3	195	0,0108	0,2718
_otros_	36	0,00199	0,1389

Perfil frente al incumplimiento — variable «PAY_0»

tramo	n	coverage	default_rate
> -2 y ≤ -1	5.034	0,2784	0,1524
> -1 y ≤ 0	8.923	0,4935	0,1271
> 0 y ≤ 1	2.241	0,1239	0,3293
> 1 y ≤ 2	1.615	0,0893	0,6947
> 2 y ≤ 8	269	0,0149	0,7323

Perfil frente al incumplimiento — variable «PAY_2»

tramo	n	coverage	default_rate
> -2 y ≤ -1	5.913	0,32701	0,1689
> -1 y ≤ 0	9.511	0,52599	0,1572
> 0 y ≤ 2	2.367	0,1309	0,5475
> 2 y ≤ 8	291	0,0161	0,5773

Perfil frente al incumplimiento — variable «PAY_3»

tramo	n	coverage	default_rate
> -2 y ≤ -1	6.044	0,3343	0,1673
> -1 y ≤ 0	9.529	0,52699	0,1712
> 0 y ≤ 2	2.264	0,1252	0,5159
> 2 y ≤ 8	245	0,0135	0,6041

Perfil frente al incumplimiento — variable «PAY_4»

tramo	n	coverage	default_rate
> -2 y ≤ -1	6.045	0,3343	0,1701
> -1 y ≤ 0	9.959	0,5508	0,1827
> 0 y ≤ 2	1.878	0,1039	0,5218
> 2 y ≤ 8	200	0,0111	0,6500

Perfil frente al incumplimiento — variable «PAY_5»

tramo	n	coverage	default_rate
> -2 y ≤ -1	6.048	0,3345	0,1759
> -1 y ≤ 0	10.277	0,5684	0,1866
> 0 y ≤ 8	1.757	0,0972	0,5555

Perfil frente al incumplimiento — variable «PAY_6»

tramo	n	coverage	default_rate
> -2 y ≤ -1	6.372	0,3524	0,1813
> -1 y ≤ 0	9.869	0,5458	0,1867
> 0 y ≤ 2	1.654	0,0915	0,5073
> 2 y ≤ 8	187	0,0103	0,6471

Perfil frente al incumplimiento — variable «PAY_AMT1»

tramo	n	coverage	default_rate
> 0 y ≤ 325,2000000000003	3.617	0,20003	0,3345
> 325,2000000000003 y ≤ 1.261	1.814	0,1003	0,2277
> 1.261 y ≤ 1.710	1.804	0,0998	0,2267
> 1.710 y ≤ 2.100	1.867	0,1033	0,2185
> 2.100 y ≤ 3.000	1.876	0,1037	0,2111
> 3.000 y ≤ 4.300	1.696	0,0938	0,2046
> 4.300 y ≤ 6.200	1.801	0,0996	0,1616
> 6.200 y ≤ 10.300,9	1.798	0,0994	0,1374
> 10.300,9 y ≤ 873.552	1.809	0,10004	0,13101

Perfil frente al incumplimiento — variable «PAY_AMT2»

tramo	n	coverage	default_rate
> 0 y ≤ 291	3.628	0,2006	0,3252
> 291 y ≤ 1.165	1.798	0,0994	0,23304
> 1.165 y ≤ 1.600	1.887	0,1044	0,2475
> 1.600 y ≤ 2.009	1.731	0,0957	0,2155
> 2.009 y ≤ 3.000	2.164	0,1197	0,1945
> 3.000 y ≤ 4.030,699999999999	1.449	0,0801	0,2036
> 4.030,699999999999 y ≤ 6.000	1.833	0,1014	0,18003
> 6.000 y ≤ 10.423,599999999999	1.783	0,0986	0,1514
> 10.423,599999999999 y ≤ 1.227.082	1.809	0,10004	0,1122

Perfil frente al incumplimiento — variable «PAY_AMT3»

tramo	n	coverage	default_rate
> 0 y ≤ 4	3.619	0,2001	0,31998
> 4 y ≤ 780	1.828	0,1011	0,2347
> 780 y ≤ 1.207	1.788	0,0989	0,2243
> 1.207 y ≤ 1.803,5	1.806	0,0999	0,2359
> 1.803,5 y ≤ 2.488,4000000000087	1.808	0,09999	0,2157
> 2.488,4000000000087 y ≤ 3.533	1.809	0,10004	0,1924
> 3.533 y ≤ 5.338,400000000003	1.807	0,0999	0,1633
> 5.338,400000000003 y ≤ 10.000	1.890	0,1045	0,1598
> 10.000 y ≤ 896.040	1.727	0,0955	0,12102

Perfil frente al incumplimiento — variable «PAY_AMT4»

tramo	n	coverage	default_rate
> 0 y ≤ 500	5.444	0,3011	0,2803
> 500 y ≤ 1.000	2.253	0,1246	0,2481
> 1.000 y ≤ 1.500	1.469	0,0812	0,2403
> 1.500 y ≤ 2.100	1.696	0,0938	0,2229
> 2.100 y ≤ 3.200	1.819	0,1006	0,1732
> 3.200 y ≤ 5.000	1.891	0,1046	0,1655
> 5.000 y ≤ 9.445,899999999992	1.701	0,0941	0,1581
> 9.445,899999999992 y ≤ 621.000	1.809	0,10004	0,1354

Perfil frente al incumplimiento — variable «PAY_AMT5»

tramo	n	coverage	default_rate
> 0 y ≤ 500	5.534	0,3061	0,2756
> 500 y ≤ 1.000	2.183	0,1207	0,2364
> 1.000 y ≤ 1.500	1.425	0,0788	0,2281
> 1.500 y ≤ 2.083	1.708	0,0945	0,2237
> 2.083 y ≤ 3.159,699999999999	1.807	0,0999	0,1937
> 3.159,699999999999 y ≤ 5.000	1.950	0,1078	0,1815
> 5.000 y ≤ 9.109,199999999993	1.666	0,0921	0,1693
> 9.109,199999999993 y ≤ 426.529	1.809	0,10004	0,1238

Perfil frente al incumplimiento — variable «PAY_AMT6»

tramo	n	coverage	default_rate
> 0 y ≤ 425,3000000000011	5.425	0,30002	0,2717
> 425,3000000000011 y ≤ 1.000	2.434	0,1346	0,2449
> 1.000 y ≤ 1.500	1.347	0,0745	0,2502
> 1.500 y ≤ 2.054,600000000002	1.643	0,0909	0,2161
> 2.054,600000000002 y ≤ 3.157,699999999999	1.808	0,09999	0,1919
> 3.157,699999999999 y ≤ 5.000	1.989	0,109999	0,1795
> 5.000 y ≤ 9.500	1.630	0,0901	0,1687
> 9.500 y ≤ 527.143	1.806	0,0999	0,1202

Perfil frente al incumplimiento — variable «SEX»

tramo	n	coverage	default_rate
1	7.160	0,39597	0,2404
2	10.922	0,60403	0,2048

Puntos de corte por muestra

sample	grades_approved	cutoff_score	declared	n_scored	n_with_outcome	n_approved	n_approved_with_outcome	n_bad	n_good	approved_share	approved_bad_rate	approved_expected_pd	bads_avoided_share	goods_rejected_share
desarrollo	1	548,50	no	18.082	18.082	5.059	5.059	3.958	14.124	0,2798	0,0692	0,0692	0,9116	0,6666
desarrollo	2	540,50	no	18.082	18.082	8.499	8.499	3.958	14.124	0,47003	0,0925	0,0925	0,8014	0,4539
desarrollo	3	533,50	no	18.082	18.082	11.427	11.427	3.958	14.124	0,63195	0,1097	0,1098	0,6832	0,2797
desarrollo	4	515,50	no	18.082	18.082	14.114	14.114	3.958	14.124	0,7806	0,1304	0,1305	0,5349	0,1311
desarrollo	5	500,50	no	18.082	18.082	15.387	15.387	3.958	14.124	0,85096	0,1469	0,1469	0,429005	0,0706
desarrollo	6	473,50	no	18.082	18.082	16.710	16.710	3.958	14.124	0,9241	0,1773	0,1773	0,2516	0,0266
desarrollo	7	—	no	18.082	18.082	18.082	18.082	3.958	14.124	1,0000	0,2189	0,2189	0,0000	0,0000
holdout	1	548,50	no	4.418	4.418	1.256	1.256	1.003	3.415	0,2843	0,08201	0,0692	0,8973	0,6624
holdout	2	540,50	no	4.418	4.418	2.078	2.078	1.003	3.415	0,4703	0,0967	0,092002	0,7996	0,4504
holdout	3	533,50	no	4.418	4.418	2.777	2.777	1.003	3.415	0,6286	0,1127	0,1091	0,6879	0,2785
holdout	4	515,50	no	4.418	4.418	3.458	3.458	1.003	3.415	0,7827	0,1397	0,1306	0,5184	0,1288
holdout	5	500,50	no	4.418	4.418	3.755	3.755	1.003	3.415	0,8499	0,15499	0,1463	0,4197	0,0709
holdout	6	473,50	no	4.418	4.418	4.064	4.064	1.003	3.415	0,9199	0,1848	0,1755	0,2512	0,0299
holdout	7	—	no	4.418	4.418	4.418	4.418	1.003	3.415	1,0000	0,22703	0,2196	0,0000	0,0000

Tramos de la escala por muestra

sample	grade	n	share	n_with_outcome	n_bad	bad_rate	pd	jeffreys_p_value	traffic_light
desarrollo	1	5.059	0,2798	5.059	350	0,0692	0,0692	0,502	green
desarrollo	2	3.440	0,1902	3.440	436	0,1267	0,1268	0,501	green
desarrollo	3	2.928	0,1619	2.928	468	0,1598	0,1599	0,5002	green
desarrollo	4	2.687	0,1486	2.687	587	0,2185	0,2185	0,499	green
desarrollo	5	1.273	0,0704	1.273	419	0,3291	0,3292	0,499	green
desarrollo	6	1.323	0,0732	1.323	702	0,5306	0,5305	0,496	green
desarrollo	7	1.372	0,0759	1.372	996	0,7259	0,7257	0,493	green
holdout	1	1.256	0,2843	1.256	103	0,08201	0,0692	0,0399	amber
holdout	2	822	0,1861	822	98	0,1192	0,1268	0,7405	green
holdout	3	699	0,1582	699	112	0,1602	0,1599	0,485	green
holdout	4	681	0,1541	681	170	0,2496	0,2185	0,026	amber
holdout	5	297	0,0672	297	99	0,3333	0,3292	0,436	green
holdout	6	309	0,0699	309	169	0,5469	0,5305	0,281	green
holdout	7	354	0,0801	354	252	0,7119	0,7257	0,722	green

Tramos de la escala maestra

grade	score_min	score_max	label	pd	n_development	share_development	n_bad_development	bad_rate_development	source
1	548,50	—	desde 549 puntos	0,0692	5.059	0,2798	350	0,0692	formed
2	540,50	548,50	de 541 a 548 puntos	0,1268	3.440	0,1902	436	0,1267	formed
3	533,50	540,50	de 534 a 540 puntos	0,1599	2.928	0,1619	468	0,1598	formed
4	515,50	533,50	de 516 a 533 puntos	0,2185	2.687	0,1486	587	0,2185	formed
5	500,50	515,50	de 501 a 515 puntos	0,3292	1.273	0,0704	419	0,3291	formed
6	473,50	500,50	de 474 a 500 puntos	0,5305	1.323	0,0732	702	0,5306	formed
7	—	473,50	hasta 473 puntos	0,7257	1.372	0,0759	996	0,7259	formed

Matriz de correlación entre variables

PAY_0__woe	PAY_2__woe	PAY_3__woe	PAY_4__woe	PAY_5__woe	PAY_6__woe	LIMIT_BAL__woe	PAY_AMT1__woe	PAY_AMT2__woe	PAY_AMT3__woe	PAY_AMT4__woe	PAY_AMT5__woe	PAY_AMT6__woe	EDUCATION__woe
1,0000	0,6555	0,4631	0,4185	0,3964	0,3578	0,19303	0,2532	0,1821	0,1564	0,1332	0,1115	0,1134	0,0624
0,6555	1,0000	0,6214	0,4827	0,4473	0,4036	0,2313	0,3379	0,1557	0,1227	0,1089	0,0903	0,0955	0,0826
0,4631	0,6214	1,0000	0,6292	0,4904	0,4383	0,2334	0,0746	0,3087	0,1414	0,1091	0,0841	0,1005	0,0814
0,4185	0,4827	0,6292	1,0000	0,6704	0,5022	0,2243	0,0869	0,0542	0,2446	0,0993	0,0691	0,0783	0,0843
0,3964	0,4473	0,4904	0,6704	1,0000	0,66602	0,2121	0,1033	0,0702	0,0422	0,1916	0,0719	0,0667	0,0744
0,3578	0,4036	0,4383	0,5022	0,66602	1,0000	0,1949	0,0879	0,08799	0,062004	0,0155	0,17605	0,07205	0,0622
0,19303	0,2313	0,2334	0,2243	0,2121	0,1949	1,0000	0,2585	0,26898	0,2768	0,2905	0,3166	0,3516	0,1901
0,2532	0,3379	0,0746	0,0869	0,1033	0,0879	0,2585	1,0000	0,4578	0,4809	0,4445	0,4179	0,4213	0,0438
0,1821	0,1557	0,3087	0,0542	0,0702	0,08799	0,26898	0,4578	1,0000	0,4785	0,4723	0,4475	0,4529	0,0575
0,1564	0,1227	0,1414	0,2446	0,0422	0,062004	0,2768	0,4809	0,4785	1,0000	0,4804	0,4851	0,4767	0,0454
0,1332	0,1089	0,1091	0,0993	0,1916	0,0155	0,2905	0,4445	0,4723	0,4804	1,0000	0,5056	0,5196	0,04004
0,1115	0,0903	0,0841	0,0691	0,0719	0,17605	0,3166	0,4179	0,4475	0,4851	0,5056	1,0000	0,5266	0,0458
0,1134	0,0955	0,1005	0,0783	0,0667	0,07205	0,3516	0,4213	0,4529	0,4767	0,5196	0,5266	1,0000	0,0491
0,0624	0,0826	0,0814	0,0843	0,0744	0,0622	0,1901	0,0438	0,0575	0,0454	0,04004	0,0458	0,0491	1,0000

Estabilidad de las variables candidatas

feature	woe_column	sample	csi	csi_band	smoothing

Detalle por observación

Esta corrida produjo tablas con una fila por operación que no se reproducen en el informe (son datos, no evidencia de validación) y que no se exportaron: añada csv o xlsx a report.formats para obtenerlas completas.

Dataset transformado a WoE — 22.500 filas
PD calibrada por observación — 22.500 filas
PD sin calibrar por observación — 22.500 filas
Puntaje por observación — 22.500 filas
Dataset WoE de las variables seleccionadas — 22.500 filas

Anexo C —Parámetros completos

Este anexo reproduce el payload completo de cada etapa: los parámetros efectivos y las métricas estructuradas tal como las publicó cada step, sin resumir.

C.1Población, particiones y exclusiones

Artefacto de origen: data.data_card

Parámetros y payload

bad_rate

0,2205

class_counts

{
  "bueno": 17539,
  "excluido": 0,
  "indeterminado": 0,
  "malo": 4961
}

data_hash

ac14e7f3bbc860a0c8603f291691897d8bf67e3384e584bd7fd3b418f8083ab2

effective_config

{
  "load": {
    "backend": "pandas",
    "csv_options": {
      "decimal": ".",
      "encoding": "utf-8",
      "sep": ","
    },
    "file_format": "auto",
    "source": "prepared/taiwan/input.parquet"
  },
  "missing": {
    "max_missing_rate": "0,99",
    "special_values": []
  },
  "partition": {
    "min_bads_per_partition": 30,
    "strategy": {
      "dev_fraction": "0,80",
      "holdout_fraction": "0,20",
      "oot_fraction": "0,00",
      "stratify_by": null,
      "type": "random"
    },
    "ttd_includes_excluded": true
  },
  "schema_": {
    "columns": [
      {
        "coerce": false,
        "dtype": "int",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "LIMIT_BAL",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "str",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "SEX",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "str",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "EDUCATION",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "str",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "MARRIAGE",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "int",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "AGE",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "int",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "PAY_0",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "int",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "PAY_2",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "int",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "PAY_3",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "int",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "PAY_4",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "int",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "PAY_5",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "int",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "PAY_6",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "int",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "BILL_AMT1",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "int",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "BILL_AMT2",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "int",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "BILL_AMT3",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "int",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "BILL_AMT4",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "int",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "BILL_AMT5",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "int",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "BILL_AMT6",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "int",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "PAY_AMT1",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "int",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "PAY_AMT2",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "int",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "PAY_AMT3",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "int",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "PAY_AMT4",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "int",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "PAY_AMT5",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "int",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "PAY_AMT6",
        "nullable": false,
        "required": true,
        "unique": false
      },
      {
        "coerce": false,
        "dtype": "int",
        "ge": null,
        "isin": null,
        "le": null,
        "name": "target",
        "nullable": false,
        "required": true,
        "unique": false
      }
    ],
    "index_col": null,
    "ordered": false,
    "strict": false,
    "unique_keys": null
  },
  "target": {
    "bad_rule": {
      "all_of": [
        {
          "col": "target",
          "op": "==",
          "value": 1
        }
      ],
      "any_of": []
    },
    "exclusion_rules": [],
    "good_rule": {
      "all_of": [
        {
          "col": "target",
          "op": "==",
          "value": 0
        }
      ],
      "any_of": []
    },
    "indeterminate_rule": {
      "all_of": [
        {
          "col": "target",
          "op": "isna",
          "value": null
        }
      ],
      "any_of": []
    },
    "target_col": "target_bayesrisk",
    "window": null
  },
  "type": "standard"
}

exclusions_by_reason

{}

n_features

n_rows

22.500

partition_bad_rates

{
  "desarrollo": "0,2189",
  "fuera_de_modelo": "0,0000",
  "holdout": "0,22703",
  "oot": "0,0000"
}

partition_sizes

{
  "desarrollo": 18082,
  "fuera_de_modelo": 0,
  "holdout": 4418,
  "oot": 0
}

performance_window_months

—

source

data-93377a6a1b49266b.parquet

target_col

target_bayesrisk

C.2Población y calidad de datos

Artefacto de origen: eda.eda_card

Parámetros y payload

axis

period

axis_inferred

default_rate_not_evaluable_reason

sin_eje_temporal

effective_config

{
  "analysis_partition": "desarrollo",
  "default_rate": {
    "axis": "period",
    "cohort_col": null,
    "date_col": null,
    "min_obs_per_period": 50,
    "period_freq": "M"
  },
  "quality": {
    "high_cardinality_threshold": 50,
    "near_constant_threshold": "0,99"
  },
  "sampling": {
    "enabled": false,
    "max_rows": 500000
  },
  "stability": {
    "metric": "cv",
    "threshold": "0,25"
  },
  "type": "standard",
  "univariate": {
    "columns": [
      "LIMIT_BAL",
      "SEX",
      "EDUCATION",
      "MARRIAGE",
      "AGE",
      "PAY_0",
      "PAY_2",
      "PAY_3",
      "PAY_4",
      "PAY_5",
      "PAY_6",
      "BILL_AMT1",
      "BILL_AMT2",
      "BILL_AMT3",
      "BILL_AMT4",
      "BILL_AMT5",
      "BILL_AMT6",
      "PAY_AMT1",
      "PAY_AMT2",
      "PAY_AMT3",
      "PAY_AMT4",
      "PAY_AMT5",
      "PAY_AMT6"
    ],
    "compute_descriptive_iv": false,
    "n_quantile_bins": 10,
    "rare_level_threshold": "0,01"
  }
}

failed_analyses

{}

n_columns_profiled

n_figures

n_periods

overall_default_rate

0,2189

quality_flag_counts

{
  "high_cardinality": 0,
  "near_constant": 0,
  "near_unique": 0
}

stability_flagged

stability_metric_used

stability_not_evaluable_reason

sin_eje_temporal

stability_threshold

0,25

stability_value

—

C.3Binning WoE y poder predictivo

Artefacto de origen: binning.binning_card

Parámetros y payload

assigned_bins

[]

effective_config

{
  "cat_cutoff": "0,01",
  "cat_unknown": null,
  "categorical_columns": [
    "SEX",
    "EDUCATION",
    "MARRIAGE"
  ],
  "exclude_columns": [],
  "fail_on_non_binnable": false,
  "feature_columns": [
    "LIMIT_BAL",
    "SEX",
    "EDUCATION",
    "MARRIAGE",
    "AGE",
    "PAY_0",
    "PAY_2",
    "PAY_3",
    "PAY_4",
    "PAY_5",
    "PAY_6",
    "BILL_AMT1",
    "BILL_AMT2",
    "BILL_AMT3",
    "BILL_AMT4",
    "BILL_AMT5",
    "BILL_AMT6",
    "PAY_AMT1",
    "PAY_AMT2",
    "PAY_AMT3",
    "PAY_AMT4",
    "PAY_AMT5",
    "PAY_AMT6"
  ],
  "keep_structural_columns": true,
  "max_n_bins": 6,
  "max_n_prebins": 20,
  "max_pvalue": null,
  "max_pvalue_policy": "consecutive",
  "metric_missing": "empirical",
  "metric_special": "empirical",
  "min_bin_n_event": 1,
  "min_bin_n_nonevent": 1,
  "min_bin_size": "0,05",
  "min_event_rate_diff": "0,00",
  "min_n_bins": null,
  "min_prebin_size": "0,05",
  "mip_solver": "bop",
  "monotonic_trend": "auto_asc_desc",
  "n_jobs": null,
  "output_suffix": "__woe",
  "require_optimal": true,
  "solver": "mip",
  "special_handling": "separate",
  "split_digits": null,
  "time_limit": 10,
  "type": "standard",
  "variable_overrides": []
}

excluded_by_target_rule

[]

iv_by_variable

{
  "AGE": "0,0095",
  "BILL_AMT1": "0,0126",
  "BILL_AMT2": "0,0082",
  "BILL_AMT3": "0,0067",
  "BILL_AMT4": "0,0016",
  "BILL_AMT5": "0,0079",
  "BILL_AMT6": "0,0037",
  "EDUCATION": "0,0318",
  "LIMIT_BAL": "0,18096",
  "MARRIAGE": "0,0043",
  "PAY_0": "0,8815",
  "PAY_2": "0,5333",
  "PAY_3": "0,4184",
  "PAY_4": "0,3548",
  "PAY_5": "0,3303",
  "PAY_6": "0,2834",
  "PAY_AMT1": "0,1766",
  "PAY_AMT2": "0,1598",
  "PAY_AMT3": "0,1393",
  "PAY_AMT4": "0,1201",
  "PAY_AMT5": "0,0991",
  "PAY_AMT6": "0,0975",
  "SEX": "0,0102"
}

missing_handling

empirical

monotonicity_by_variable

{
  "AGE": "descending",
  "BILL_AMT1": "descending",
  "BILL_AMT2": "descending",
  "BILL_AMT3": "descending",
  "BILL_AMT4": "ascending",
  "BILL_AMT5": "descending",
  "BILL_AMT6": "ascending",
  "EDUCATION": null,
  "LIMIT_BAL": "descending",
  "MARRIAGE": null,
  "PAY_0": "ascending",
  "PAY_2": "ascending",
  "PAY_3": "ascending",
  "PAY_4": "ascending",
  "PAY_5": "ascending",
  "PAY_6": "ascending",
  "PAY_AMT1": "descending",
  "PAY_AMT2": "descending",
  "PAY_AMT3": "descending",
  "PAY_AMT4": "descending",
  "PAY_AMT5": "descending",
  "PAY_AMT6": "descending",
  "SEX": null
}

n_variables_binned

n_variables_requested

n_variables_skipped

optbinning_version

0.20.0

rare_category_regroupings

{}

special_handling

separate

C.4Selección de variables

Artefacto de origen: selection.selection_card

Parámetros y payload

dependency_versions

{
  "numpy": "1.26.4",
  "pandas": "2.3.3",
  "scikit-learn": "1.7.2",
  "scipy": "1.17.1",
  "statsmodels": "0.15.0"
}

effective_config

{
  "compute_univariate_metrics": true,
  "correlation": {
    "clustering_method": "none",
    "enabled": true,
    "method": "pearson",
    "threshold": "0,75"
  },
  "exclude_columns": [],
  "fail_if_no_features": true,
  "feature_columns": "*",
  "force_exclude": [],
  "force_include": [],
  "keep_structural_columns": true,
  "max_iv": "0,50",
  "max_iv_action": "flag",
  "min_auc": null,
  "min_gini": null,
  "min_iv": "0,02",
  "min_ks": null,
  "priority_order": [
    "iv",
    "auc",
    "ks",
    "name"
  ],
  "stability": {
    "action": "report_only",
    "enabled": false,
    "review_threshold": "0,25",
    "smoothing": "0,000001",
    "stable_threshold": "0,10"
  },
  "type": "standard",
  "vif": {
    "add_intercept": true,
    "enabled": true,
    "max_iterations": null,
    "threshold": "5,00"
  }
}

excluded_by_reason

{
  "low_iv": 9
}

high_iv_flags

[
  "PAY_0",
  "PAY_2"
]

max_abs_correlation_after_selection

0,6704

max_vif_after_selection

2,92295

n_candidates

n_excluded

n_selected

selected_features

[
  "EDUCATION",
  "LIMIT_BAL",
  "PAY_0",
  "PAY_2",
  "PAY_3",
  "PAY_4",
  "PAY_5",
  "PAY_6",
  "PAY_AMT1",
  "PAY_AMT2",
  "PAY_AMT3",
  "PAY_AMT4",
  "PAY_AMT5",
  "PAY_AMT6"
]

stability_flags

[]

thresholds

{
  "correlation.clustering_method": "none",
  "correlation.method": "pearson",
  "correlation.threshold": "0,75",
  "max_iv": "0,50",
  "max_iv_action": "flag",
  "min_auc": null,
  "min_gini": null,
  "min_iv": "0,02",
  "min_ks": null,
  "stability.action": "report_only",
  "stability.review_threshold": null,
  "stability.stable_threshold": null,
  "vif.threshold": "5,00"
}

C.5Modelo PD

Artefacto de origen: model.model_card

Parámetros y payload

dependency_versions

{
  "numpy": "1.26.4",
  "pandas": "2.3.3",
  "scikit-learn": "1.7.2",
  "scipy": "1.17.1",
  "statsmodels": "0.15.0"
}

effective_config

{
  "alpha": "0,05",
  "engine": "logit",
  "fail_if_no_features": true,
  "fit_intercept": true,
  "fit_maxiter": 100,
  "force_exclude": [],
  "force_include": [],
  "iv_contribution": {
    "action": "flag",
    "threshold": "0,90"
  },
  "optimizer": "newton",
  "sign_policy": {
    "action": "flag",
    "expected_beta_sign": "negative",
    "fail_on_forced_inverted": false
  },
  "stepwise": {
    "criterion": "wald_pvalue",
    "direction": "bidirectional",
    "enabled": true,
    "entry_p_value": "0,05",
    "exit_p_value": "0,05",
    "max_iter": 100,
    "min_features": 1
  },
  "tol": "0,00000001",
  "type": "standard"
}

engine

logit

final_features

[
  "EDUCATION",
  "LIMIT_BAL",
  "PAY_0",
  "PAY_3",
  "PAY_5",
  "PAY_6",
  "PAY_AMT1",
  "PAY_AMT2",
  "PAY_AMT3",
  "PAY_AMT4"
]

fit_statistics

{
  "aic": "15.650,94",
  "bic": "15.736,77",
  "converged": true,
  "llr": "3.375,31",
  "llr_p_value": "< 0,001",
  "log_likelihood": "-7.814,47",
  "n_events_dev": 3958,
  "n_iterations": 6,
  "n_nonevents_dev": 14124,
  "n_obs_dev": 18082,
  "null_log_likelihood": "-9.502,12",
  "optimizer": "newton",
  "pseudo_r2_mcfadden": "0,1776"
}

iv_contribution_flags

[
  "PAY_0"
]

n_candidates

n_final_features

sign_flags

[]

thresholds

{
  "alpha": "0,05",
  "engine": "logit",
  "entry_p_value": "0,05",
  "exit_p_value": "0,05",
  "fail_if_no_features": "true",
  "fit_intercept": "true",
  "fit_maxiter": "100,00",
  "iv_contribution.action": "flag",
  "iv_contribution.threshold": "0,90",
  "optimizer": "newton",
  "sign_policy.action": "flag",
  "sign_policy.expected_beta_sign": "negative",
  "stepwise.criterion": "wald_pvalue",
  "stepwise.direction": "bidirectional",
  "stepwise.max_iter": "100,00",
  "stepwise.min_features": "1,00"
}

C.6Scorecard

Artefacto de origen: scorecard.card

Parámetros y payload

dependency_versions

{
  "numpy": "1.26.4",
  "pandas": "2.3.3"
}

effective_config

{
  "clip": false,
  "intercept_allocation": "uniform",
  "max_score": null,
  "min_score": null,
  "output_suffix": "__points",
  "pdo": "20,00",
  "point_overrides": [],
  "rounding_method": "nearest_integer",
  "score_column": "score",
  "score_direction": "higher_is_lower_risk",
  "target_odds": "50,00",
  "target_score": "600,00",
  "type": "standard"
}

factor

28,8539

max_score

—

min_score

—

n_variables

offset

487,1229

overrides_count

pdo

20,0000

points_columns

[
  "EDUCATION__points",
  "LIMIT_BAL__points",
  "PAY_0__points",
  "PAY_3__points",
  "PAY_5__points",
  "PAY_6__points",
  "PAY_AMT1__points",
  "PAY_AMT2__points",
  "PAY_AMT3__points",
  "PAY_AMT4__points"
]

rounding_method

nearest_integer

score_column

score

score_direction

higher_is_lower_risk

target_odds

50,0000

target_score

600,0000

C.7Calibración

Artefacto de origen: calibration.card

Parámetros y payload

anchor_kind

through_the_cycle

anchor_source

development_observed

calibrated_mean_pd_dev

0,2189

dependency_versions

{
  "numpy": "1.26.4",
  "pandas": "2.3.3",
  "scipy": "1.17.1"
}

effective_config

{
  "anchor_kind": "through_the_cycle",
  "anchor_source": "development_observed",
  "fit_partition": "desarrollo",
  "linear_predictor_calibrated_column": "linear_predictor_calibrated",
  "linear_predictor_column": "linear_predictor",
  "max_abs_offset": null,
  "max_iter": 100,
  "method": "intercept_offset",
  "min_fit_rows": 30,
  "partition_column": "partition",
  "pd_calibrated_column": "pd_calibrated",
  "pd_raw_column": "pd_raw",
  "require_both_classes_for_supervised": true,
  "target_column": "target",
  "target_pd": null,
  "target_tolerance": "0,000000000001",
  "type": "standard"
}

fit_partition

desarrollo

intercept

—

method

intercept_offset

n_fit

18.082

observed_default_rate_dev

0,2189

offset

1,1e-13

pd_calibrated_column

pd_calibrated

pd_raw_column

pd_raw

ranking_preserved

sí

raw_mean_pd_dev

0,2189

slope

—

target_pd

0,2189

ties_created

C.8Desempeño y discriminación

Artefacto de origen: performance.card

Parámetros y payload

bands_by_partition

{
  "desarrollo": "ok",
  "holdout": "ok"
}

dependency_versions

{
  "numpy": "1.26.4",
  "pandas": "2.3.3",
  "scikit-learn": "1.7.2"
}

effective_config

{
  "evaluation_source": "pd_calibrated",
  "min_events_per_partition": 1,
  "min_rows_per_partition": 30,
  "n_deciles": 10,
  "optional_thresholds": {},
  "partition_column": "partition",
  "partitions": [
    "desarrollo",
    "holdout"
  ],
  "pd_column": "pd_calibrated",
  "schema_version": "1.0.0",
  "score_column": "score",
  "score_direction": "higher_is_lower_risk",
  "target_column": "target",
  "type": "standard"
}

evaluation_source

pd_calibrated

max_metrics_by_partition

{
  "desarrollo": {
    "auc": "0,7705",
    "gini": "0,541005",
    "ks": "0,4123"
  },
  "holdout": {
    "auc": "0,7626",
    "gini": "0,5251",
    "ks": "0,4085"
  }
}

n_deciles

partitions

[
  "desarrollo",
  "holdout"
]

score_direction

higher_is_lower_risk

thresholds

{}

Métricas estructuradas

discrimination

{
  "effective_deciles_by_partition": {
    "desarrollo": 10,
    "holdout": 10
  },
  "not_evaluable_reasons_by_partition": {},
  "threshold_flags_by_partition": {}
}

C.9Estabilidad

Artefacto de origen: stability.card

Parámetros y payload

bands_by_comparison

{
  "dev_vs_holdout": "stable"
}

comparisons

[
  "dev_vs_holdout"
]

csi_source

score_points

dependency_versions

{
  "numpy": "1.26.4",
  "pandas": "2.3.3",
  "pandera": "0.34.1"
}

effective_config

{
  "comparisons": [
    "dev_vs_holdout"
  ],
  "csi_bins": 10,
  "csi_source": "score_points",
  "include_pd_stability": true,
  "partition_column": "partition",
  "pd_column": "pd_calibrated",
  "psi_bins": 10,
  "psi_review_threshold": "0,25",
  "psi_stable_threshold": "0,10",
  "schema_version": "1.0.0",
  "score_column": "score",
  "score_direction": "higher_is_lower_risk",
  "smoothing": "0,000001",
  "temporal_axis": "none",
  "temporal_column": null,
  "temporal_freq": "M",
  "type": "standard"
}

max_psi_by_comparison

{
  "dev_vs_holdout": "0,0018"
}

psi_bins

psi_metric_by_comparison

{
  "dev_vs_holdout": "pd_psi"
}

review_threshold

0,25

score_direction

higher_is_lower_risk

stable_threshold

0,10

worst_csi_feature

PAY_AMT1__points

worst_csi_value

0,0015

Métricas estructuradas

stability

{
  "csi_features": [
    "EDUCATION__points",
    "LIMIT_BAL__points",
    "PAY_0__points",
    "PAY_3__points",
    "PAY_5__points",
    "PAY_6__points",
    "PAY_AMT1__points",
    "PAY_AMT2__points",
    "PAY_AMT3__points",
    "PAY_AMT4__points"
  ],
  "include_pd_stability": true,
  "n_periods": 0,
  "temporal_axis": "none"
}

C.10Validación formal

Artefacto de origen: validation.card

Parámetros y payload

dependency_versions

{
  "numpy": "1.26.4",
  "pandas": "2.3.3",
  "scipy": "1.17.1"
}

effective_config

{
  "backtesting": {
    "alpha": "0,05",
    "enabled": false,
    "one_sided": true,
    "parameters": [
      "pd",
      "lgd",
      "ead"
    ],
    "pd_test": "jeffreys",
    "realised_ead_col": "realised_ead",
    "realised_lgd_col": "realised_lgd",
    "realised_pd_col": "realised_default",
    "segment_col": "portfolio"
  },
  "calibration": {
    "alpha": "0,05",
    "binomial_by_grade": false,
    "brier": true,
    "grade_col": "grade",
    "hl_grouping": "deciles",
    "hl_n_groups": 10,
    "hosmer_lemeshow": true,
    "min_rows_per_group": 30,
    "partition_column": "partition",
    "pd_column": "pd_calibrated",
    "pd_test": "jeffreys",
    "target_column": "target",
    "traffic_light_green_alpha": "0,05",
    "traffic_light_red_alpha": "0,01"
  },
  "discrimination": {
    "consume_performance": true,
    "partitions": [
      "desarrollo",
      "holdout"
    ]
  },
  "fail_on_falta_dato": true,
  "families": [
    "discrimination",
    "calibration",
    "stability"
  ],
  "schema_version": "1.0.0",
  "stability": {
    "consume_stability": true,
    "psi_review_threshold": "0,25",
    "psi_stable_threshold": "0,10"
  },
  "type": "standard"
}

falta_dato

[]

families_run

[
  "discrimination",
  "calibration",
  "stability"
]

model_ref

taiwan_fabrica

n_failed

n_tests

overall_status

fail

Métricas estructuradas

validation

{
  "families_run": [
    "discrimination",
    "calibration",
    "stability"
  ],
  "min_rows_per_group": 30,
  "n_failed": 2,
  "n_tests": 2,
  "not_evaluable_grades": [],
  "not_evaluable_partitions": [],
  "overall_status": "fail",
  "stability_recompute": null,
  "stability_source": "stability_artifact",
  "traffic_light": {
    "amber": 0,
    "green": 0,
    "red": 0
  },
  "traffic_light_cuts": null
}

C.11Escala maestra y puntos de corte

Artefacto de origen: master_scale.card

Parámetros y payload

anchor

0,2189

anchor_source

development_observed

approval_cutoff

—

cutoff_out_of_range

cuts

[
  "473,50",
  "500,50",
  "515,50",
  "533,50",
  "540,50",
  "548,50"
]

delta

-0,00055

diagnostics

{
  "desarrollo": {
    "amber_grades": [],
    "hhi": "0,1788",
    "inversions": [],
    "max_share": "0,2798",
    "max_share_grade": 1,
    "monotonic": true,
    "not_evaluable_grades": [],
    "red_grades": []
  },
  "holdout": {
    "amber_grades": [
      1,
      4
    ],
    "hhi": "0,1801",
    "inversions": [],
    "max_share": "0,2843",
    "max_share_grade": 1,
    "monotonic": true,
    "not_evaluable_grades": [],
    "red_grades": []
  }
}

effective_config

{
  "approval_cutoff": null,
  "grade_edges": null
}

equalized_grades

[]

formation_cause

—

integer_card

sí

n_grades

neighbours_not_distinct

[]

pd

[
  "0,0692",
  "0,1268",
  "0,1599",
  "0,2185",
  "0,3292",
  "0,5305",
  "0,7257"
]

samples

[
  "desarrollo",
  "holdout"
]

score_direction

higher_is_lower_risk

solver_status

OPTIMAL

source

formed